# Помощь наших инженеров с настройкой GPU-сервера

> Помощь с настройкой GPU-сервера входит в каждый сервер: проверки при первом запуске, советы инженеров по окружению и миграции, инструменты подбора до заказа.

Источник: https://fullgpu.com/ru/products/expert-onboarding  
Обновлено: 2026-10-22  
Издатель: FullGPU (https://fullgpu.com/)

## Ключевые моменты

- **Подбор конфигурации до заказа:** Калькулятор видеопамяти, страницы GPU и документация показывают расчёт памяти для вашей модели, точности и задачи.
- **Проверки при первом запуске:** Убедитесь с помощью nvidia-smi, что видны все GPU, а на 8-GPU-серверах проверьте интерконнект между GPU тестами NCCL.
- **Советы по окружению:** Драйверы, CUDA или ROCm, контейнеры и фреймворки: подскажем, как запустить ваш стек на вашем образе.
- **Советы по переносу данных:** Как перенести датасеты и чекпоинты на новый сервер. Входящий трафик не засчитывается в ваш лимит трафика.
- **Круглосуточно и без доплаты:** Часть поддержки, включённой в каждый сервер: через тикеты в личном кабинете после выдачи сервера.
- **Ваш сервер под вашим контролем:** Это помощь и советы. У вас остаётся полный root-доступ, а вашими задачами мы не управляем.

## Рекомендуемые конфигурации

- [NVIDIA H200](https://fullgpu.com/ru/gpus/nvidia-h200): 3 090 $ в месяц — 141 ГБ: модель 70B в FP8 с запасом под KV-кэш
- [8× NVIDIA HGX H100](https://fullgpu.com/ru/gpus/nvidia-h100): 16 900 $ в месяц — Восемь H100 с NVLink и помощь с тестами NCCL при передаче сервера
- [NVIDIA B200](https://fullgpu.com/ru/gpus/nvidia-b200): 4 590 $ в месяц — 180 ГБ: модель 70B в BF16 на одном GPU

## Обзор

Помощь с настройкой GPU-сервера входит в каждый сервер FullGPU. В рамках круглосуточной поддержки наши инженеры помогают проверить сервер после передачи, настроить окружение и перенести данные — без доплаты; а до заказа подобрать сервер помогают наши калькуляторы и руководства. Это помощь и советы: у вас остаются полный root-доступ и полный контроль, а ваши задачи за вас мы не ведём.

## Что входит в помощь с настройкой GPU-сервера

Помощь при запуске охватывает три этапа: до заказа, при выдаче сервера и во время переноса вашей работы. До заказа на вопросы о подборе конфигурации отвечают центр помощи, документация, страницы GPU и калькуляторы; после выдачи сервера инженер помогает через тикеты в личном кабинете в любое время суток.

| Когда | С чем мы помогаем |
| --- | --- |
| До заказа | Выбор GPU и их количества под вашу модель и задачу — с калькулятором видеопамяти (VRAM) и нашими руководствами |
| При передаче сервера | Проверки при первом запуске: GPU, топология, контейнеры, а на 8-GPU-серверах — тесты NCCL |
| При переносе работы | Драйверы, CUDA или ROCm, контейнеры, фреймворки и перенос данных |

## Подбор конфигурации до заказа

Большая часть стоимости определяется выбором GPU. Перед заказом выясните:

- модель, число её параметров и точность, которую вы планируете использовать;
- задачу: обучение, дообучение (fine-tuning) или инференс, а для инференса — ожидаемые длину контекста и число одновременных запросов;
- объём датасета и срок, на который вам нужны мощности.

[Калькулятор видеопамяти](https://fullgpu.com/ru/tools/vram-calculator) превращает эти данные в оценку объёма памяти, а на странице каждого GPU указано, что на нём помещается. Типичный результат: модели 70B в FP8 нужно около 70 ГБ, поэтому на одном H100 она помещается впритык, а на одном H200 — с запасом. В BF16 ей нужно около 140 ГБ: тогда впритык будет уже на H200, а с запасом — на B200 или B300. Эти цифры учитывают только веса; добавьте KV-кэш и заложите запас 10–30%. Полное дообучение с Adam требует примерно 16–20 байт на параметр без учёта активаций, поэтому для модели 70B это уже задача для нескольких GPU. Когда будете [развёртывать сервер](https://fullgpu.com/ru/deploy), опишите свою задачу в примечаниях для наших инженеров.

## Проверки при первом запуске после передачи сервера

Когда сервер выдан, а его IP-адрес и данные для подключения по SSH появились в личном кабинете, выполните несколько проверок, прежде чем приступать к реальной работе. Мы поможем разобраться в выводе.

```
nvidia-smi
nvidia-smi topo -m
docker run --rm --gpus all ubuntu nvidia-smi
```

Первая команда подтверждает, что видны все GPU и вся их память. Вторая показывает интерконнект — на серверах HGX это NVLink между всеми восемью GPU. Третья подтверждает, что у контейнеров есть доступ к GPU.

На 8-GPU-серверах тест NCCL all-reduce даёт нагрузку на интерконнект. Соберите nccl-tests от NVIDIA и запустите, например:

```
./build/all_reduce_perf -b 8 -e 8G -f 2 -g 8
```

Если какой-то GPU не виден или пропускная способность шины выглядит низкой, пришлите нам вывод в тикете. Неисправности оборудования устраняем мы: вышедшие из строя GPU и компоненты заменяются в приоритетном порядке. На серверах AMD MI355X аналоги — `rocm-smi` и тесты RCCL. Подробнее об этих тестах — в [руководстве по работе с несколькими GPU и NCCL](https://fullgpu.com/ru/docs/multi-gpu-nccl).

## Советы по окружению и переносу данных

Создайте тикет, если вопрос касается слоя между образом и вашим кодом:

- **Драйверы и CUDA.** Какую ветку драйвера ожидает ваш фреймворк и подходит ли версия CUDA в контейнере к драйверу хоста.
- **Контейнеры.** Контейнеры с GPU на Docker и NVIDIA Container Toolkit или контейнеры ROCm на AMD.
- **Фреймворки.** Как заставить PyTorch, vLLM, SGLang или TensorRT-LLM использовать все GPU и какие настройки важны для запусков на нескольких GPU.

При переносе данных мы подскажем, как переместить датасеты, чекпоинты и веса моделей от другого провайдера или с предыдущего сервера FullGPU: `rsync` по SSH для каталогов, параллельные потоки для больших объёмов и проверка контрольных сумм перед удалением исходных данных. Входящий трафик не учитывается, поэтому загрузка данных на новый сервер не расходует включённый трафик. Если ваш нынешний провайдер берёт плату за исходящий трафик, заложите эти расходы на его стороне. Программную часть описывают наше [руководство по PyTorch и vLLM](https://fullgpu.com/ru/docs/pytorch-vllm) и страница [об образах ОС](https://fullgpu.com/ru/products/os-images).

## Что не входит в помощь при запуске

Помощь при запуске — это помощь и советы, а не эксплуатация ваших систем за вас. Мы:

- не запускаем, не отслеживаем и не перезапускаем ваши задачи обучения или сервисы инференса;
- не сопровождаем код ваших приложений, модели или контейнеры;
- не делаем резервных копий ваших данных, если это не согласовано письменно;
- не получаем доступ к вашим данным, кроме случаев, когда это необходимо для обеспечения работы или ремонта сервиса по вашему запросу, либо когда этого требует закон.

А отвечаем мы за инфраструктуру: электропитание, сеть и оборудование в рамках SLA (соглашения об уровне обслуживания) с месячной доступностью 99,9% и компенсацией на баланс (service credits), а также за круглосуточную поддержку, которая за этим стоит. Если GPU выходит из строя, устранять неисправность — наша задача. Запуск ваших задач остаётся за вами.

## Как получить помощь с настройкой

До заказа ответы можно найти в [центре помощи](https://fullgpu.com/ru/help), документации, на страницах GPU и в калькуляторах, а при заказе вы можете описать свою задачу в примечаниях для наших инженеров; после выдачи сервера создайте тикет в личном кабинете, и инженер ответит в любое время суток. Укажите сервер, что вы пытаетесь сделать, и приложите вывод команд, если он есть. Отдельной платы нет, и записываться заранее не нужно. Что указать в обращении, объясняется на нашей странице [о получении поддержки](https://fullgpu.com/ru/help/getting-support).

## Часто задаваемые вопросы

### Нужно ли доплачивать за помощь с настройкой?

Нет. Она входит в круглосуточную поддержку инженеров, которая включена в каждый сервер.

### Вы настроите и будете обслуживать мои задачи обучения или сервис инференса?

Нет. Мы помогаем советами по подбору конфигурации, драйверам, контейнерам, фреймворкам и переносу данных, но свои задачи вы запускаете сами, с полным root-доступом, и мы не управляем ими за вас.

### Какие проверки выполнить при первом запуске?

Запустите nvidia-smi, чтобы убедиться, что видны все GPU и их память, а на 8-GPU-серверах запустите тесты NCCL, чтобы проверить интерконнект. Если что-то выглядит не так, пришлите нам вывод в тикете.

### Поможете ли вы перенести данные от другого провайдера?

Да, советами по инструментам и подходу — например, rsync по SSH и проверка контрольных сумм. Входящий трафик не засчитывается в ваш лимит трафика.

### Как связаться с инженером?

Через тикет в личном кабинете после выдачи сервера; до заказа ответы можно найти в центре помощи, документации, на страницах GPU и в калькуляторах. Инженеры отвечают на тикеты круглосуточно, поэтому укажите сервер, свою цель и приложите вывод команд, если он есть.

## Связанные страницы

- [Быстрый старт с GPU-сервером](https://fullgpu.com/ru/docs/quickstart): Быстрый старт с новым GPU-сервером FullGPU: войдите по SSH, проверьте GPU, обновите Ubuntu и запустите первый контейнер на GPU — с проверкой на каждом шаге.
- [Тесты NCCL на сервере с несколькими GPU: all_reduce_perf шаг за шагом](https://fullgpu.com/ru/docs/multi-gpu-nccl): Как запустить тесты NCCL на сервере с несколькими GPU: проверка топологии NVLink, сборка nccl-tests, busbw в all_reduce_perf и запуск задач torchrun на 8 GPU.
- [Калькулятор видеопамяти для LLM: поместится ли ваша модель на GPU?](https://fullgpu.com/ru/tools/vram-calculator): Бесплатный калькулятор видеопамяти для LLM: выберите Llama, Qwen, Mistral или gpt-oss, точность и длину контекста и посмотрите веса, KV-кэш и подходящие GPU.
- [Поддержка GPU-серверов: как работают тикеты](https://fullgpu.com/ru/help/getting-support): Поддержка GPU-серверов FullGPU работает 24/7: на тикеты в личном кабинете отвечают инженеры. Кто может создать тикет, что указать и что решается без него.
- [Образы ОС для GPU-серверов с CUDA, ROCm и Docker](https://fullgpu.com/ru/products/os-images): Образы ОС для GPU-серверов: Ubuntu 22.04 и 24.04 с драйверами NVIDIA, CUDA, Docker и Container Toolkit, а также ROCm для AMD. Узнайте, что предустановлено.
- [Как выбрать GPU-сервер для ИИ](https://fullgpu.com/ru/blog/how-to-choose-a-gpu-server): Как выбрать GPU-сервер для ИИ: методика выбора по памяти, пропускной способности, точности, интерконнекту, CPU и накопителям, ПО и оплате, а также чек-лист.