RunPod Howto

Inscrivez-vous pour un compte: Allez sur runpod.io et créez un compte en cliquant sur le bouton 'S'inscrire'.

Ajoutez des fonds à votre compte: Chargez des fonds dans votre compte RunPod. Vous pouvez commencer avec aussi peu que 10 $ pour essayer les choses.

Choisissez une instance GPU: Naviguez vers la section 'Instance GPU' et sélectionnez un GPU qui correspond à vos besoins et à votre budget parmi les options disponibles.

Sélectionnez un modèle: Choisissez parmi plus de 50 modèles préconfigurés ou apportez votre propre conteneur personnalisé. Les options populaires incluent les modèles PyTorch, TensorFlow et Docker.

Déployez votre pod: Cliquez sur 'Déployer' pour créer votre instance GPU. RunPod vise à avoir votre pod prêt en quelques secondes.

Accédez à votre pod: Une fois déployé, vous pouvez accéder à votre pod par divers moyens comme Jupyter Notebook, SSH ou l'interface en ligne de commande RunPod.

Développez et exécutez vos charges de travail d'IA: Utilisez le pod pour développer, entraîner ou exécuter des inférences pour vos modèles d'IA. Vous pouvez utiliser l'interface en ligne de commande RunPod pour un rechargement à chaud des modifications locales.

Surveillez l'utilisation et les coûts: Gardez une trace de l'utilisation de votre pod et des coûts associés via la console RunPod.

Mettez à l'échelle avec Serverless (optionnel): Pour les charges de travail de production, envisagez d'utiliser RunPod Serverless pour mettre à l'échelle automatiquement votre inférence d'IA en fonction de la demande.

Terminez votre pod: Lorsque vous avez terminé, n'oubliez pas d'arrêter ou de terminer votre pod pour éviter des frais inutiles.