14 октября 2026 г. · Анатолий Крылов, редактор Тераферма

Первый запуск на арендованной GPU: SSH, Jupyter и данные за 15 минут

Подключиться к арендованной GPU на Тераферме можно двумя способами: через Jupyter в браузере (кнопка в карточке сервера) или по SSH командой вида ssh -p <порт> root@teraferma.io. От регистрации до первой строки nvidia-smi уходит около 15 минут, из них 2–7 минут сервер запускается сам. Пока он не готов, деньги не списываются.

Команды подходят для macOS, Linux и Windows 10/11: во всех трёх есть встроенный OpenSSH.

Что понадобится до запуска

Список короткий:

• аккаунт с подтверждённой почтой (без подтверждения кнопка запуска не работает);
• баланс от 500 ₽: сейчас пополнение криптовалютой (USDT, BTC и другие монеты), оплата картой РФ появится позже;
• SSH-ключ, если хотите работать из своего терминала. Для Jupyter он не нужен;
• данные и модель: ссылка на Hugging Face, архив на диске или репозиторий на GitHub.

Если ещё не выбрали карту, начните с объёма видеопамяти. Для моделей до 8B и Stable Diffusion хватает 12–16 ГБ, для 32B в 4 битах — 24 ГБ, для 70B — от 48 ГБ. Подробный разбор есть в чек-листе как выбрать сервер с GPU.

План на 15 минут

Шаг	Где	Сколько времени
Регистрация и подтверждение почты	Сайт, письмо	1–2 мин
SSH-ключ: создать и вставить в кабинет	Терминал, «Настройки»	2 мин
Пополнение баланса криптовалютой	«Баланс»	зачисление 2–15 мин
Выбор карты и шаблона, «Запустить»	«Аренда GPU»	1 мин
Подготовка сервера	Карточка в «Мои серверы»	2–7 мин
Подключение и nvidia-smi	Jupyter или терминал	1 мин
Загрузка модели и данных	Сервер	от 2 мин, зависит от объёма

Пока идёт зачисление и подготовка сервера, можно параллельно собрать ключ и проверить ссылки на данные. Тогда 15 минут окажутся реальной цифрой, а не оптимистичной.

Шаг 1. Создайте SSH-ключ и добавьте его в кабинет

SSH-ключ состоит из пары файлов: приватный остаётся у вас, публичный вы отдаёте серверу. Пароли для входа не используются.

Откройте терминал (в Windows — PowerShell) и выполните:

ssh-keygen -t ed25519
cat ~/.ssh/id_ed25519.pub

На вопрос о пути нажмите Enter. Пароль к ключу можно задать или оставить пустым. Вторая команда выведет строку, которая начинается с ssh-ed25519. Скопируйте её целиком.

В кабинете откройте «Настройки» и вставьте строку в поле «Публичный SSH-ключ». Ключ добавляется на все ваши машины автоматически, поэтому делать это нужно один раз, а не перед каждой арендой.

Если ключ уже есть (например, для GitHub), новый создавать не нужно, подойдёт существующий id_ed25519.pub или id_rsa.pub.

Шаг 2. Пополните баланс и запустите сервер

В разделе «Баланс» выберите пополнение криптовалютой, минимум 500 ₽. Баланс ведётся в рублях, зачисление автоматическое и обычно занимает 2–15 минут. Банковская карта РФ и счёт для юрлиц в форме видны, но пока недоступны.

Дальше раздел «Аренда GPU». В каталоге у каждой машины указаны модель и число карт, видеопамять, ядра CPU, оперативная память, диск и цена за час. Для первого запуска удобно взять недорогую карту: RTX 3090 стоит 26 ₽/час, RTX 4090 — 48 ₽/час. Полный список и цены смотрите в каталоге аренды GPU.

После клика по машине откроется окно «Аренда сервера» с выбором шаблона:

• PyTorch + CUDA + Jupyter — универсальный вариант для обучения, инференса и экспериментов;
• ComfyUI — генерация изображений и видео в браузерном интерфейсе;
• vLLM (LLM API) — сразу поднимает OpenAI-совместимый сервер для языковой модели;
• Jupyter Lab — чистый ноутбук.

Нажмите «Запустить». В разделе «Мои серверы» появится карточка с этапами: «Заказ принят», «Подбираем машину», «Включаем машину», «Загружаем окружение», «Запускаем Jupyter», «Готово». Обычно это 2–7 минут. Списание начинается только после готовности, а о ней придёт письмо. Если подключить Telegram в настройках, бот пришлёт ссылку на сервер.

Шаг 3. Подключитесь через Jupyter

Самый быстрый путь, особенно если SSH-ключа нет.

1. В карточке сервера нажмите «Открыть Jupyter».
2. Браузер предупредит о сертификате. Для GPU-серверов это нормально: «Дополнительно» → «Перейти на сайт».
3. В Jupyter выберите File → New → Terminal.
4. Выполните nvidia-smi.

Команда покажет модель видеокарты, объём видеопамяти, версию драйвера и CUDA. Сверьте с заказом: в карточке сервера также стоит отметка «проверено: модель и число карт совпадают с заказом», если проверка прошла.

Рабочей папкой служит /workspace. Всё, что вы скачиваете и создаёте, кладите туда.

Шаг 4. Подключитесь по SSH

Если ключ добавлен, в карточке сервера под заголовком SSH будет готовая команда. Она выглядит так:

ssh -p 31001 root@teraferma.io

Порт и адрес шлюза у каждого сервера свои, поэтому копируйте команду из карточки, а не из статьи. Подключение идёт через шлюз Тераферма, поэтому белый IP у машины владельца не нужен, а вам не нужно открывать порты у себя.

При первом входе SSH спросит, доверять ли хосту; ответьте yes. Если появилась ошибка Permission denied (publickey), почти всегда причина одна из трёх:

• ключ добавлен в кабинет уже после запуска сервера: работайте через Jupyter или запустите сервер заново;
• в кабинет вставлен приватный ключ вместо публичного, а нужен файл с расширением .pub;
• у вас несколько ключей, и SSH пробует не тот. Укажите его явно: ssh -i ~/.ssh/id_ed25519 -p <порт> root@<адрес>.

Удобные настройки

Чтобы не вводить порт каждый раз, добавьте сервер в ~/.ssh/config:

Host gpu
    HostName teraferma.io
    Port 31001
    User root
    IdentityFile ~/.ssh/id_ed25519

Теперь достаточно ssh gpu. Это же имя понимает VS Code с расширением Remote-SSH: открываете папку /workspace на сервере и редактируете код как локально.

Для долгих задач запускайте их внутри tmux. Если ноутбук уснёт или пропадёт Wi-Fi, процесс на сервере продолжит работу, а вы вернётесь к нему командой tmux attach.

Шаг 5. Загрузите модель и данные

Способ зависит от того, где лежат данные.

Откуда	Чем загружать	Когда удобно
Hugging Face	hf download или huggingface-cli download	Модели и открытые датасеты
Ваш компьютер, до 1–2 ГБ	Перетаскивание в Jupyter	Скрипты, небольшие CSV, картинки
Ваш компьютер, крупные файлы	scp или rsync по SSH	Датасеты, чекпойнты
GitHub	git clone	Код проекта
Облачное хранилище	wget, curl, rclone	Архивы по прямой ссылке, S3-совместимые бакеты

Модели почти всегда быстрее качать прямо на сервер: канал машины обычно шире домашнего, а вам не нужно сначала скачивать 15 ГБ к себе.

cd /workspace
pip install -U huggingface_hub
hf download Qwen/Qwen2.5-7B-Instruct --local-dir ./qwen7b

Для закрытых моделей сначала выполните hf auth login и вставьте свой токен Hugging Face.

Файлы с компьютера копируйте через scp или rsync. Обратите внимание: у scp порт задаётся заглавной -P, а у ssh — строчной -p.

scp -P 31001 data.zip root@teraferma.io:/workspace/
rsync -avP -e "ssh -p 31001" ./dataset/ root@teraferma.io:/workspace/dataset/

rsync с флагом -P показывает прогресс и докачивает файл после обрыва. Для папок с тысячами мелких файлов лучше сначала упаковать их в один архив: так передача идёт в разы быстрее.

Шаг 6. Проверьте, что карта работает

Перед долгой задачей убедитесь, что фреймворк видит GPU:

python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

Если видите True и название карты, всё в порядке. Во время работы держите во втором окне watch -n 2 nvidia-smi: загрузка GPU ниже 50–60% обычно значит, что карта ждёт данных: увеличьте размер батча или число воркеров загрузчика.

Сюда же добавьте быструю проверку диска: df -h /workspace. Объём диска указан в карточке машины до запуска. Если модель с чекпойнтами в него не влезает, лучше сразу перезапустить сервер на машине с большим диском, чем упереться в нехватку места через час обучения.

Шаг 7. Заберите результаты и остановите сервер

Деньги списываются поминутно, пока сервер работает. Поэтому последний шаг важнее первого.

1. Скачайте результаты. В Jupyter это правый клик по файлу → Download. Для больших файлов используйте scp в обратную сторону:

scp -P 31001 root@teraferma.io:/workspace/output.zip ./

2. Если результаты нужны команде, выгрузите их в своё хранилище или на Hugging Face прямо с сервера.
3. В карточке нажмите «Остановить и завершить оплату».

После остановки контейнер и его диск удаляются, восстановить их нельзя. Хранения «на паузе» нет, но и платы за простой тоже нет: пока сервер остановлен, деньги не списываются.

Сколько стоит такой первый запуск? Полчаса на RTX 4090 обойдутся в 24 ₽, час на RTX 3090 — в 26 ₽. Этого хватает, чтобы скачать модель на 7–8B, запустить её и понять, подходит ли карта под задачу.

Частые ошибки первого запуска

• Оставить сервер на ночь «на всякий случай». Двенадцать часов простоя RTX 4090 обойдутся в 576 ₽. Сохраняйте чекпойнты и останавливайте сервер.
• Хранить результаты только на сервере. Остановка удаляет диск. Копируйте важное наружу сразу, а не в конце дня.
• Запускать долгую задачу без tmux. Обрыв SSH убьёт процесс, запущенный в обычной сессии.
• Брать дорогую карту для отладки. Код удобно отлаживать на дешёвой карте, а на H100 за 339–417 ₽/час переходить с готовым скриптом.
• Качать модели на свой компьютер, а потом заливать на сервер. Двойная работа и потерянное время.

Первое подключение к арендованной GPU сводится к ключу в настройках, пополнению от 500 ₽, кнопке «Запустить» и одной команде SSH или клику по «Открыть Jupyter». Дальше идёт обычная работа на Linux-сервере с /workspace в качестве рабочей папки. Короткая памятка по шагам есть в разделе аренда видеокарты онлайн.

Начните с часа на недорогой карте: проверьте модель, скорость и объём памяти, а затем масштабируйтесь. Выбрать GPU можно в каталоге: цена указана за час, оплата поминутная.