Revendez vos GPU pour le Machine Learning
-
Bonjour,
Avec les chutes des cours, et la hausse pharamineuse du prix du matériel, il est difficile de rentabiliser son rig.
Mais il existe d’autres marchés que le mining ou le GPU est tres demandé : le machine learning et l’intelligence artificielle.Si vous avez des cartes nvidia et de connexions pci 16x ou 8x (les risers 1x ne seront pas utiles car pas assez de bande passante) vous pouvez vous inscrire sur ce site https://vectordash.com/hosting/ qui vous proposent de louer vos gpus nvidias.
Les profits peuvent etre 2 a 3 fois superieurs au minage. Il faudra aussi pour cela installer une ubuntu.
La technologie sous jacente est lxc, vous installez un client qui sera orchestré par le controlleur de vectordash. Les clients achetent du temps de calculs et vous etes remunérés en BTC/LTC/ETH.Il vous faudra aussi un peu de ram et de bande passante pour le telechargement des datas de travails.
Le tout est basé sur LXC (container sur Linux) et toujours possibilité de miner lorsque la babasse n’est pas utilisée par VectorDash.Alors faites chauffer vos tableaux excel, et decidez de servir la science.
petit lien pour s’inscrire :
https://docs.google.com/forms/d/e/1FAIpQLScyFbMMfoznG5bUDesj_JKck07yhFTPBsO6F3ymnPLvuieVHg/viewform -
@netmonk Merci pour le partage!
-
Rhaaa ! Ils prennent pas les CG AMD.
J’ai 5xRX 460 qui dorment ! -
Quelqu’un a déjà des retours ?
Je viens de m’inscrire (1x 1080 et 1x 1060)
A suivre -
AMD est tres mal supporté dans le monde du Machine Learning, 99% des framework (tensorflow, …) sont directement interfacés en CUDA avec les cartes nvidia. De facto les cartes nvidia sont le standard dans le monde du ML.
-
@machina2002 Pour info cela vient d’ici https://www.reddit.com/r/gpumining/comments/86ofw2/rent_out_your_gpu_compute_to_ai_researchers_and/
l’OP indique que le client va etre releasé dans les jours qui viennent. Tu seras surement contacté pour ce faire ! -
Intéressant, je mis suis inscrit aussi pour voir ce que cela donne.
Merci pour l’info :winking_face: -
Des retours ? moi rien a ce jour…
Existe t-il d’autre site comme celui ci dedié au machine learning ? personnellement je n’ai rien trouvé. -
@machina2002 a dit dans Revendez vos GPU pour le Machine Learning :
Des retours ? moi rien a ce jour…
Idem, pas de news…
-
Quelqu’un a déjà été payé ?
-
Je montrais bien une arnaque comme ça :
revender vos GPU pour le machine learning … En fait tu mines (voir tu vides les wallets stockés). Et forcement c’est une arnaque, donc tu ne paies rien ! -
@raoullevert il suffit de vérifier : https://github.com/Vectordash
P.S : c’est un étudiant seul sur le projet, ne vous attendez pas à ce que tout soit opérationnel rapidement…
-
qui a eu des retours en paiement ?
-
Effectivement ça n’avance pas…aucun retour ni de l’inscription et donc encore moins de paiement.
Est ce techniquement possible (envisageable) comme technologie ?
J’imagine que ça doit consommer pas mal de bande passante à l’inverse du mining, non ?
Qu’en est il de confidentialité des données a analyser ?Le machine learning sur machines reparties existe t-il déjà ?
Si quelqu’un connait un peu le domaine ? car on en entend pas trop parler alors que cela pourrait être une alternative au mineur ?? -
C’est le genre de projet qui existe depuis un moment au travers de BOINC!
Le premier si je ne m’abuse était le projet SETI : recherche de signaux extra terrestres.Il y a plusieurs problématiques, dont certaines que @machina2002 mets en lumière.
Si les données sont confidentielles …
La bande passante …
De plus tout les problèmes ne sont pas parallélisables. Souvent, un calcul doit attendre les résultats du calcul précédent pour s’accomplir. Dans l’IA tu doit souvent attendre que ton réseau converge, avant de rentrer des nouvelles données. -
D’ou le besoin qu’il converge vite.
La la cible est l’etudiant sans argent qui ne peut pas se payer des CGs super cheres et du CG cloud computing sur amazon qui est lui aussi hors de prix.Generallement les datasets sont libres et télechargeables, pas besoin d’un niveau de confidentialité énorme.
-
@raoullevert
@netmonk
merci
