> For the complete documentation index, see [llms.txt](https://docs.console.zenlayer.com/welcome/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.console.zenlayer.com/welcome/cn/gpu-cloud/virtual-machines/create-a-gpu-instance.md).

# 创建 GPU 实例

## 操作步骤

1. 登录 [**zenConsole**](https://console.zenlayer.com/)，进入 **产品** > **虚拟机** > **GPU & AI** > **GPU 云**，并点击 **创建 GPU 实例**。
2. **选择地域**。\
   选择最近的地域以获得最佳性能。
3. **选择您的使用场景和镜像**。\
   选择一个可用的预构建环境，以便快速设置实例并安装必要的工具。
   * **AI/ML 推理**\
     预装 Ollama 镜像：`Llama 3.1:8b`, `NvidiaDriver 550.90.07`, `CUDA 12.6`, `cuDNN 9.3.0`, `Python 3.12.3`, `Ollama 0.3.9`, `JupyterLab 4.2.5`。适用于部署模型和运行推理任务。
   * **通用用途**\
     预装 Ubuntu Server 24.04 LTS 镜像：`NvidiaDriver 550.90.07`, `CUDA 12.6`, `cuDNN 9.3.0`。适用于常规计算需求。
4. **选择 GPU 型号**。\
   选择 **NVIDIA GeForce RTX 4090**，配备 24 GiB 的 vRAM，确保高性能计算，具备 **82+ TFLOPS** 的 FP32 计算能力，非常适合要求苛刻的 AI 任务。
5. **配置存储**。

   设置存储需求，选择经济型/标准型 NVMe SSD 以实现快速 I/O 操作。
6. **管理实例访问**。
   * 添加 **SSH 密钥对** 以安全地访问您的实例。
   * 使用默认用户 **"ubuntu"** 或创建自定义密码进行登录。
7. **选择数量**。\
   设置您要创建的实例数量，并为实例分配一个 **资源名称**。
8. **更多设置**。
   * 选择您的 **操作系统时区**。
   * 将资源分配到您希望的 **资源组**。
9. **确认订单**。\
   检查订单摘要并确认您的订单。

## 关键注意事项

1. **地域和延迟**：选择合适的地域对于减少延迟至关重要。选择最接近您用户群体或数据源的地域。
2. **存储分配**：确保根据您的工作负载需求分配足够的 NVMe SSD 存储。如果处理大型数据集，可能需要扩展存储。
3. **安全性**：
   * 推荐使用 SSH 密钥对进行安全访问。
   * 定期更新软件和补丁以维持安全性。