> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/advanced/multi-gpu-setup.md).

# मल्टी-GPU सेटअप

Clore.ai पर कई GPU के साथ बड़े AI मॉडल चलाएँ

CLORE.AI पर कई GPUs के साथ बड़े AI मॉडल चलाएँ।

{% hint style="success" %}
पर मल्टी-GPU सर्वर खोजें [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## आपको मल्टी-GPU की कब ज़रूरत होती है?

{% hint style="warning" %}
**Clore.ai marketplace पर multi-GPU 80GB-class rigs सूचीबद्ध नहीं हैं।** आज सूचीबद्ध सबसे बड़े boxes 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता [bare metal](https://clore.ai/bare-metal) के रूप में अनुरोध पर बेची जाती है। देखें [GPU मूल्य और उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) किसी deployment का आकार तय करने से पहले।
{% endhint %}

| मॉडल आकार | सिंगल GPU विकल्प | मल्टी-GPU विकल्प |
| --------- | ---------------- | ---------------- |
| ≤13B      | RTX 3090 (Q4)    | आवश्यक नहीं      |
| 30B       | RTX 4090 (Q4)    | 2x RTX 3090      |
| 70B       | A100 40GB (Q4)   | 2x RTX 4090      |
| 70B FP16  | -                | 2x A100 80GB     |
| 100B+     | -                | 4x A100 80GB     |
| 405B      | -                | 8x A100 80GB     |

***

## मल्टी-GPU अवधारणाएँ

### टेंसर पैरेललिज़्म (TP)

मॉडल की लेयरों को GPUs में बाँटें। इनफ़रेंस के लिए सबसे अच्छा।

```
GPU 0: लेयर 1-20
GPU 1: लेयर 21-40
```

**लाभ:** कम लेटेंसी, सरल सेटअप **कमियाँ:** उच्च-गति इंटरकनेक्ट की आवश्यकता होती है

### पाइपलाइन पैरेललिज़्म (PP)

अलग-अलग GPUs पर अलग-अलग बैच प्रोसेस करें।

```
GPU 0: बैच 1 → GPU 1: बैच 1
GPU 0: बैच 2 → GPU 1: बैच 2
```

**लाभ:** अधिक थ्रूपुट **कमियाँ:** अधिक लेटेंसी, अधिक जटिल

### डेटा पैरेललिज़्म (DP)

कई GPUs पर वही मॉडल, अलग डेटा।

```
GPU 0: बैच A प्रोसेस करें
GPU 1: बैच B प्रोसेस करें
```

**लाभ:** सरल, रैखिक स्केलिंग **कमियाँ:** हर GPU को पूरा मॉडल चाहिए

***

## LLM मल्टी-GPU सेटअप

### vLLM (अनुशंसित)

**2 GPUs:**

```bash
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-70B-Instruct \
    --tensor-parallel-size 2 \\
    --host 0.0.0.0
```

**4 GPUs:**

```bash
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-70B-Instruct \
    --tensor-parallel-size 4 \
    --host 0.0.0.0
```

**8 GPUs (405B के लिए):**

```bash
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-405B-Instruct \
    --tensor-parallel-size 8 \\
    --host 0.0.0.0
```

### Ollama मल्टी-GPU

Ollama उपलब्ध होने पर अपने-आप कई GPUs का उपयोग करता है:

```bash
# उपलब्ध GPUs जाँचें
nvidia-smi

# Ollama अपने-आप सभी GPUs का पता लगाकर उपयोग करेगा
ollama run llama3.1:70b
```

**विशिष्ट GPUs तक सीमित करें:**

```bash
CUDA_VISIBLE_DEVICES=0,1 ollama run llama3.1:70b
```

### Text Generation Inference (TGI)

```bash
docker run --gpus all -p 8080:80 \
    ghcr.io/huggingface/text-generation-inference:latest \
    --model-id meta-llama/Llama-3.1-70B-Instruct \
    --num-shard 2
```

### llama.cpp

```bash
# प्रत्येक डिवाइस के लिए GPU लेयर निर्दिष्ट करें
./llama-server \
    -m llama-3.1-70b-q4.gguf \
    -ngl 999 \
    --split-mode layer \
    --tensor-split 0.5,0.5
```

***

## इमेज जनरेशन मल्टी-GPU

### ComfyUI

ComfyUI अलग-अलग मॉडलों को अलग-अलग GPUs पर ऑफ़लोड कर सकता है:

```python
# ComfyUI वर्कफ़्लो में
# डिवाइस पैरामीटर के साथ "Load Checkpoint" का उपयोग करें
# पहली GPU के लिए device: "cuda:0"
# दूसरी GPU के लिए device: "cuda:1"
```

**VAE को अलग GPU पर चलाएँ:**

```python
# मुख्य मॉडल GPU 0 पर
# VAE GPU 1 पर
# VRAM दबाव कम करता है
```

### स्टेबल डिफ्यूजन वेबयूआई

**webui-user.sh में मल्टी-GPU सक्षम करें:**

```bash
export COMMANDLINE_ARGS="--device-id 0"
# या विशिष्ट मॉडलों के लिए:
export COMMANDLINE_ARGS="--lowvram --device-id 0,1"
```

### FLUX मल्टी-GPU

```python
from diffusers import FluxPipeline
import torch

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    torch_dtype=torch.bfloat16
)

# GPUs में बाँटें
pipe.enable_model_cpu_offload()  # या
pipe.to("cuda:0")  # स्पष्ट GPU चयन
```

***

## ट्रेनिंग मल्टी-GPU

### PyTorch Distributed

```python
import torch
import torch.distributed as dist
from torch.nn.parallel import DistributedDataParallel as DDP

# आरंभ करें
dist.init_process_group("nccl")
local_rank = int(os.environ["LOCAL_RANK"])

torch.cuda.set_device(local_rank)

# मॉडल को रैप करें
model = YourModel().to(local_rank)
model = DDP(model, device_ids=[local_rank])

# प्रशिक्षण लूप सामान्य रूप से
```

**शुरू करें:**

```bash
torchrun --nproc_per_node=2 train.py
```

### DeepSpeed

```python
import deepspeed

model, optimizer, _, _ = deepspeed.initialize(
    model=model,
    config={
        "train_batch_size": 32,
        "fp16": {"enabled": True},
        "zero_optimization": {"stage": 2}
    }
)
```

**शुरू करें:**

```bash
deepspeed --num_gpus=2 train.py
```

### Accelerate (HuggingFace)

```python
from accelerate import Accelerator

accelerator = Accelerator()
model, optimizer, dataloader = accelerator.prepare(
    model, optimizer, dataloader
)
```

**कॉन्फ़िगर करें:**

```bash
accelerate config  # इंटरैक्टिव सेटअप
accelerate launch train.py
```

### Kohya प्रशिक्षण (LoRA)

```bash
# मल्टी-GPU LoRA प्रशिक्षण
accelerate launch --num_processes=2 train_network.py \
    --pretrained_model_name_or_path="model.safetensors" \
    --train_data_dir="./images" \
    --output_dir="./output"
```

***

## GPU चयन

### उपलब्ध GPUs जाँचें

```bash
# सभी GPUs की सूची बनाएं
nvidia-smi

# विस्तृत जानकारी
nvidia-smi -L

# मेमोरी उपयोग
nvidia-smi --query-gpu=index,memory.used,memory.total --format=csv
```

### विशिष्ट GPUs चुनें

**पर्यावरण चर:**

```bash
# केवल GPU 0 और 1 का उपयोग करें
export CUDA_VISIBLE_DEVICES=0,1
python your_script.py

# केवल GPU 2 का उपयोग करें
export CUDA_VISIBLE_DEVICES=2
python your_script.py
```

**Python में:**

```python
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0,1"

# या torch के साथ
import torch
device = torch.device("cuda:0")  # पहली दिखाई देने वाली GPU
device = torch.device("cuda:1")  # दूसरी दिखाई देने वाली GPU
```

***

## प्रदर्शन अनुकूलन

### NVLink बनाम PCIe

| कनेक्शन  | बैंडविड्थ | किसके लिए सर्वोत्तम |
| -------- | --------- | ------------------- |
| NVLink   | 600 GB/s  | टेंसर पैरेललिज़्म   |
| PCIe 4.0 | 32 GB/s   | डेटा पैरेललिज़्म    |
| PCIe 5.0 | 64 GB/s   | मिश्रित वर्कलोड     |

**NVLink स्थिति जाँचें:**

```bash
nvidia-smi nvlink --status
```

### इष्टतम कॉन्फ़िगरेशन

| GPU | TP आकार | PP आकार | नोट्स                      |
| --- | ------- | ------- | -------------------------- |
| 2   | 2       | 1       | सरल टेंसर पैरेलल           |
| 4   | 4       | 1       | NVLink की आवश्यकता होती है |
| 4   | 2       | 2       | PCIe-अनुकूल                |
| 8   | 8       | 1       | पूर्ण टेंसर पैरेलल         |
| 8   | 4       | 2       | मिश्रित पैरेललिज़्म        |

### मेमोरी संतुलन

**समान विभाजन (डिफ़ॉल्ट):**

```bash
--tensor-parallel-size 2
```

**कस्टम विभाजन (असमान GPUs):**

```bash
# vLLM असमान का समर्थन नहीं करता, llama.cpp का उपयोग करें:
./llama-server --tensor-split 0.6,0.4
```

***

## समस्या निवारण

### "NCCL Error"

```bash
# NCCL डिबग सेट करें
export NCCL_DEBUG=INFO

# अलग-अलग NCCL एल्गोरिद्म आज़माएँ
export NCCL_ALGO=Ring
```

### "GPU X पर मेमोरी समाप्त"

```bash
# प्रति GPU मेमोरी जाँचें
nvidia-smi

# बैच आकार कम करें
--max-batch-size 1

# ग्रेडिएंट चेकपॉइंटिंग सक्षम करें (ट्रेनिंग)
--gradient-checkpointing
```

### "धीमा मल्टी-GPU प्रदर्शन"

1. NVLink कनेक्टिविटी जाँचें
2. टेंसर पैरेलल आकार कम करें
3. इसके बजाय पाइपलाइन पैरेललिज़्म का उपयोग करें
4. CPU बाधा जाँचें

### "GPUs का पता नहीं चला"

```bash
# CUDA सत्यापित करें
nvidia-smi

# जाँचें कि PyTorch GPUs देख रहा है
python -c "import torch; print(torch.cuda.device_count())"

# ज़रूरत हो तो CUDA ड्राइवर पुनः इंस्टॉल करें
```

***

## लागत अनुकूलन

### मल्टी-GPU कब लाभकारी है

| परिदृश्य              | सिंगल GPU                                             | मल्टी-GPU                                                | विजेता                |
| --------------------- | ----------------------------------------------------- | -------------------------------------------------------- | --------------------- |
| 70B का कभी-कभार उपयोग | A100 80GB ([bare metal](https://clore.ai/bare-metal)) | 2x RTX 4090 ($0.28–0.84/घंटा)                            | मल्टी                 |
| 70B प्रोडक्शन         | A100 40GB ([bare metal](https://clore.ai/bare-metal)) | 2x A100 40GB ([bare metal](https://clore.ai/bare-metal)) | सिंगल (Q4)            |
| 7B की ट्रेनिंग        | RTX 4090 ($0.14–0.42/घंटा)                            | 2x RTX 4090 ($0.28–0.84/घंटा)                            | समय पर निर्भर करता है |

### लागत-प्रभावी कॉन्फ़िगरेशन

| उपयोग-प्रकरण      | कॉन्फ़िगरेशन | \~लागत/घंटा |
| ----------------- | ------------ | ----------- |
| 70B इनफ़रेंस      | 2x RTX 3090  | $0.12       |
| 70B तेज़ इनफ़रेंस | 2x A100 40GB | $0.34       |
| 70B FP16          | 2x A100 80GB | $0.50       |
| 13B की ट्रेनिंग   | 2x RTX 4090  | $0.20       |

***

## उदाहरण कॉन्फ़िगरेशन

### 70B चैट सर्वर

```bash
# 2x A100 40GB सेटअप
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-70B-Instruct \
    --tensor-parallel-size 2 \\
    --max-model-len 8192 \
    --host 0.0.0.0 \\
    --port 8000
```

### DeepSeek-V3 (671B)

```bash
# 8x A100 80GB आवश्यक
python -m vllm.entrypoints.openai.api_server \
    --model deepseek-ai/DeepSeek-V3 \
    --tensor-parallel-size 8 \\
    --trust-remote-code \
    --host 0.0.0.0
```

### इमेज + LLM पाइपलाइन

```bash
# GPU 0: Stable Diffusion
CUDA_VISIBLE_DEVICES=0 python comfyui/main.py --port 8188 &

# GPU 1: प्रॉम्प्ट्स के लिए LLM
CUDA_VISIBLE_DEVICES=1 python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-8B-Instruct --port 8000
```

***

## अगले चरण

* [vLLM गाइड](/guides/guides_v2-hi/language-models/vllm.md) - प्रोडक्शन LLM सर्विंग
* [जीपीयू तुलना](/guides/guides_v2-hi/getting-started/gpu-comparison.md) - अपने GPUs चुनें
* [API एकीकरण](/guides/guides_v2-hi/advanced/api-integration.md) - एप्लिकेशन बनाएं
* [लागत कैलकुलेटर](/guides/guides_v2-hi/getting-started/cost-calculator.md) - लागत का अनुमान लगाएँ


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/advanced/multi-gpu-setup.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.