---
title: "Hardware, Zeit und Cloud-Sicherheit"
sidebar:
  label: "Hardware & Cloud-Sicherheit"
---

<span id="hardware-zeit-und-cloud-sicherheit" />


[Kursstart](/de/)

## Das Versprechen [#das-versprechen]

Alle Pflichtlernziele sind auf CPU erreichbar. Apple MPS und NVIDIA CUDA
verkürzen Läufe und ermöglichen größere Vergleiche. Cloud und Multi-GPU sind
optional und niemals Voraussetzung für ein Zertifikat.

## Lokalen Preflight ausführen [#lokalen-preflight-ausfuhren]

```
python examples/check_hardware.py
```

Der Bericht enthält Backend, konservatives Referenzprofil, verfügbaren Speicher,
soweit PyTorch ihn bereitstellt, und eine kleine Messung. Bewahre ihn beim
Experimentbericht auf. Namen oder Firmendaten werden nicht erfasst.

| Profil | Pflicht-Workload |
| --- | --- |
| CPU-LITE | Lehrmodelle mit 0,1–5 Mio. Parametern; Kontext 64–128 |
| CPU-ADAPT | bis etwa 150 Mio. Parameter; kurzer LoRA-Nachweis plus Checkpoint |
| MPS-32 | 10–50 Mio. from scratch; 0,5–1,5 Mrd. LoRA, sofern unterstützt |
| CUDA-12/16 | 10–50 Mio. from scratch; 0,5–3 Mrd. LoRA/QLoRA, sofern unterstützt |
| CLOUD-24 | nur optionaler Vergleich mit 3–7 Mrd. Parametern |

Dies sind Startkonfigurationen, keine Leistungsversprechen. Reduziere zuerst den
Microbatch, danach Kontext und schließlich Modellgröße.

## Zeitboxen und Fallback-Checkpoints [#zeitboxen-und-fallback-checkpoints]

| Arbeit | CPU-Zeitbox | Tier-1-Zeitbox | Fallback |
| --- | --- | --- | --- |
| Konzepte, Tests, kleine Forward Passes | 10 min | 10 min | bereitgestellte Ausgaben |
| Tiny-Training | 60 min | 30 min | CP1 Basis-Checkpoint |
| Continued Pretraining | 90 min | 120 min | CP2 Domain-Checkpoint |
| SFT oder LoRA | 90 min | 120 min | CP3 Adapter |
| DPO | 60 min | 150 min | CP4 Präferenz-Adapter |
| Quantisierung/Serving | 45 min | 60 min | CP5 quantisierter Checkpoint |

Führe vor einem Fallback den kleinen lokalen Pflichtnachweis aus: einen Batch
laden, die geforderten Updates abschließen, speichern/fortsetzen und den
gemessenen Loss dokumentieren. Der Checkpoint ersetzt Rechenzeit, nicht Nachweis.

## Optionales Cloud-Lab [#optionales-cloud-lab]

Übernimm den aktuellen Gesamtstundenpreis aus dem Provider-Rechner:

```
python examples/plan_cloud_budget.py --hourly-rate RATE
```

Das Standard-Gate begrenzt das Lab auf 5 USD, reserviert 0,50 USD für weitere
Kosten, nutzt 20 Prozent Sicherheitsmarge und maximal 60 Minuten. Starte nicht,
wenn das sichere Fenster kürzer als 30 Minuten ist.

Unmittelbar nach dem Start:

1. Shutdown für die berechnete Laufzeit planen;
2. zweites Terminal für den Provider-Stop-Befehl bereithalten;
3. alle fünf Minuten Checkpoint schreiben;
4. nach Erfolg oder Fehler stoppen und Zustand prüfen;
5. unnötige Disks und Snapshots löschen.

Für das Google-Cloud-Referenzlab:

```
sudo shutdown -h +MAX_RUNTIME_MINUTES
gcloud compute instances stop INSTANCE --zone=ZONE
gcloud compute instances describe INSTANCE --zone=ZONE --format=get(status)
```

Preise ändern sich nach Zeit, Region, Ressource und Rabatt. Verwende niemals
einen alten Kurswert als aktuellen Stundenpreis.

Offizielle Referenzen:

- [PyTorch-MPS-Backend](https://docs.pytorch.org/docs/2.14/notes/mps.html)
- [PyTorch-CUDA-API](https://docs.pytorch.org/docs/2.14/cuda.html)
- [Google-Compute-Engine-Preise](https://cloud.google.com/products/compute/pricing)
- [Compute-Engine-Instanzen stoppen](https://docs.cloud.google.com/compute/docs/instances/stop-start-instance)
