Skriv et spil, en del (RTX 4070, i5-14400), en tjeneste (Plex) eller et værktøj.

DKDansk
Log ind
Menu
Modeltræning / fine-tuning
Arbejdsbyrdeguide · AI

Modeltræning / fine-tuning: guide til hardwarekrav

Fine-tuning og træning af små modeller (LoRA, små checkpoints).

Altid tændt 24/7

Hardwarekrav efter niveau

Tre niveauer for hver arbejdsbyrde: minimumet, der fungerer, den anbefalede sweet spot og det komfortable margenniveau. Det er de samme niveauer, WisePC-beslutningsmotoren bruger, når den planlægger et build omkring dit mål.

NiveauCPU-kernerRAMOpbevaringGPUVRAMNetværk
Minimum8 cores32 GB2 TB (ssd)ai16 GB VRAM1 GbE
Anbefalet16 cores64 GB4 TB (ssd)ai24 GB VRAM2.5 GbE
Komfortabelt24 cores128 GB8 TB (ssd)ai48 GB VRAM10 GbE
Overdimensioneret39 cores205 GB16 TB (ssd)AI48 GB VRAM10 GbE

Ud over Komfortabel — 39 kerner, 205 GB RAM, 16 TB (SSD): headroom du aldrig får brugt på denne workload alene. Læg differencen i lagring, backup eller stilhed.

Anbefalet systemform

Udledt af beslutningsmotoren fra anbefalet niveau — samme logik som planlægger komplette builds.

Formfaktor
tower
Byggestil
diy
Diskplan
3× 4.1TB NVMe

Requirements (16 threads, 64GB RAM, 12TB storage, dedicated GPU) need a custom tower build.

Én boks eller en egen?

Bliver på hovedserveren

GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.

Om denne workload fortjener sin egen maskine eller bør bo på hovedserveren.

Lagringsarrays, med priser

Fem fysiske strategier for anbefalet kapacitet — samme planlægger, samme diskmodel og samme referencepriser som lagringsværktøjet.

StrategiDiskeBrugbarPrisIdle
Billigste 2× 4TB hdd4 TB · parity1≈ €20010 W
Balanceret Anbefalet2× 16TB hdd16 TB · parity1≈ €48012 W
Redundant 3× 8TB hdd8 TB · parity2≈ €45015 W
Udvidelsesvenlig 2× 20TB hdd20 TB · parity1≈ €60014 W
Ydeevne 2× 4TB nvme4 TB · parity1≈ €4802 W

Til et hurtigt arbejdslag skal du vælge all-flash — ydelsesstrategien bevarer hastigheden uden HDD-genopbygningens besvær.

Backup er ikke lagring

Den ekstra kopi, der overlever diskfejl, sletning og ransomware — samme motor som backup-planlæggeren.

Beskyt 4 TB med mindst to kopier på separat hardware, helst én eksternt. Det anbefalede udgangspunkt er en dedikeret NAS.

Anbefalet: Separat NAS
En dedikeret boks, der kun gemmer backups · ≈ €353
high
Ingen offsite-kopi

Tilføj en anden kopi uden for bygningen — cloud eller et drev hjemme hos en ven.

medium
Ingen versionering

Brug et værktøj med versionshistorik (restic, borg, Backblaze), der bevarer historikken.

medium
Uplanlagte backups

Planlæg backups automatisk og overvåg dem.

medium
Backup på samme maskine

Opbevar backuppen på separat hardware eller eksternt.

Hvad vil det koste?

Markedsneutrale EUR-bånd fra referencemodellen (≈ = estimeret gadepris). Live komponentpriser står på build-siden for din region.

Lagringsarray
≈ €200 – €600
Array-energi / år
≈ €103/yr
∼47 W idle

Beregning (CPU, board, RAM, GPU) er ikke inkluderet — se anbefalet build for live priser.

Vækstudsigter

Hvad der sker, når dataene bliver ved med at vokse — samme motor som vækstsimulatoren.

Lagringen holder sig inden for 8 TB over den 3-årige horisont — arkitekturen dækker din forventede vækst.

Inden for kapacitet og bays — ingen ny bay nødvendig til 7 TB.

Hvilket niveau har du brug for?

  • Vælg Minimum (8 kerner, 32 GB RAM) kun til en enkeltformålsmaskine med stramt budget — forvent lidt margin.
  • Anbefalet (16 kerner, 64 GB RAM) er sweet spot'en: nok til arbejdsbyrden plus de sædvanlige sideløbende tjenester, uden at overforbruge.
  • Vælg Komfortabelt (24 kerner, 128 GB RAM), når denne arbejdsbyrde deler maskinen med andre eller vil vokse — du betaler for margin, ikke for angst.
  • GPU-regel for denne arbejdsbyrde: ai.GPU-regel for denne workload: ai (24 GB VRAM).

Dækkes også i denne guide

AI-eksperimenter

Lære og eksperimentere med modeller, træne små modeller, værktøjer.

Videre

Ofte stillede spørgsmål

Hvor meget RAM har modeltræning / fine-tuning brug for?
32 GB er et fornuftigt minimum, 64 GB dækker de fleste rigtige opsætninger, og 128 GB giver komfortabel margin til vækst og ekstra tjenester.
Hvor mange CPU-kerner har modeltræning / fine-tuning brug for?
En CPU med 8 kerner er minimumet, 16 kerner er den anbefalede sweet spot, og 24 kerner er komfortabelt, når den deler maskinen med andre arbejdsbyrder.
Har modeltræning / fine-tuning brug for et dedikeret GPU?
Et dedikeret GPU anbefales stærkt — denne arbejdsbyrde laver AI-beregninger. Kræver 16–48 GB VRAM (16 minimum, 24 anbefalet, 48 komfortabelt).
Hvilken opbevaring og hvilket netværk forventer modeltræning / fine-tuning?
Opbevaring: 4 TB SSD er den anbefalede basislinje (2 TB minimum, 8 TB komfortabelt). Netværk: 2.5 GbE er den anbefalede basislinje.
Hvad kører godt sammen med modeltræning / fine-tuning?
Den kombinerer naturligt med: AI-eksperimenter.
Hvor meget strøm bruger modeltræning / fine-tuning?
Arrayet idler omkring 47 W (≈ 103 €/år ved 0,25 €/kWh). Hele systemet lægger CPU, board og blæsere oveni — se omkostningssektionen for ærlige bånd.

Relaterede arbejdsbyrdeguider