GPUtw 說明文件

快速開始

歡迎使用 GPUtw。依照這個流程啟動、連線、保存工作並關閉第一台 GPU 執行個體。

開啟控制台

歡迎使用 GPUtw

GPUtw 提供專屬 GPU 容器，包含控制台、SSH、Web UI、Vault 儲存空間、連接埠管理與 scoped API 金鑰。最快流程是先儲值點數，選擇 GPU 與範本，等執行個體進入 RUNNING，再透過 Web UI 或 SSH 連線。

Tip

如果只需要 notebook 或 Web app，建議從 PyTorch/Jupyter、ComfyUI 或 Open WebUI 範本開始，並使用 Web UI 按鈕。若需要乾淨 shell，請使用 Ubuntu 或 CUDA 範本並透過 SSH 連線。

部署前準備

啟動第一台執行個體前，請先準備：

  • 帳號: 註冊、登入並完成電子郵件驗證
  • 點數: 儲值足夠支付至少一小時承諾用量的預付餘額
  • SSH 金鑰: 只用瀏覽器可略過；若要 SSH，請在控制台 → SSH 金鑰加入公開 .pub 金鑰
  • 工作路徑: 需要保留的資料集、checkpoint 與輸出建議放在 /vault

選擇 GPU 與範本

開啟控制台 → 部署，由上到下依序選擇 GPU 型號、可用機器、環境範本，確認每小時價格後部署。

  • GPU 型號: 依 VRAM、架構與價格選擇
  • 機器: 選擇在線且有足夠容量的節點
  • 範本: 選擇最接近工作負載的軟體堆疊
  • 連接埠: 帶瀏覽器應用的範本通常會開放 8080 等 Web UI 連接埠

連線到執行個體

部署後，執行個體會經過佈署狀態並進入 RUNNING。請依工作流程選擇連線方式：

  • Web UI: 從執行個體頁面開啟 Jupyter、ComfyUI 或其他瀏覽器工具
  • SSH: 加入公開金鑰後，從執行個體列複製 SSH 指令
  • API: 需要自動列出、建立、停止或管理執行個體時，建立有 scope 的 API 金鑰
範例
ssh pod-<instance-id>@ssh.gputw.ai -p 2222

保存工作與開放服務

請用 /vault 保存持久化成果。分享瀏覽器服務時使用 HTTP 連接埠模式；只有服務本身已具備驗證時才使用 raw TCP/UDP。

  • Private: 適合個人 notebook 與 dashboard
  • Unlisted + password: 適合與協作者分享連結
  • Raw TCP/UDP: 適合非 HTTP 的自訂協定服務

完成後停止或刪除

如果稍後可能繼續使用，請停止執行個體。若不再需要執行個體記錄或 workspace，請刪除。執行個體不再運行時會停止計算運算費用。

Warning

執行個體保持 RUNNING 時會持續消耗點數。離開前請檢查執行個體頁面。

下一步