کدت را روی GPU اجرا کن؛ فقط به‌اندازه مصرفت پرداخت کن.شروع با هلرا
helra.
ثبت درخواست
helra.

GPU قدرتمند، محیط آماده و پرداخت بر اساس مصرف.

راهنمای شروعثبت درخواست
کمتر درگیر زیرساخت، بیشتر مشغول ساختن

کدت را بنویس.
بقیه‌اش با هلرا.

یک مسیر ساده برای اجرای هوش مصنوعی: محیطت را تعریف کن، GPU را انتخاب کن و بگذار منابع با درخواست‌هایت رشد کنند.

از کد پایتون تا اجرای GPU
۰۱
WRITE

کدت را بنویس

همان Python که می‌شناسی، با کتابخانه‌های مورد علاقه‌ات. محیط آماده، بدون درگیری با نصب درایور و CUDA.

PYTHON + HELRA
@app.function(gpu="H100")
def inference(prompt):
    return model.generate(prompt)
۰۲
CONFIGURE

GPU را انتخاب کن

از استنتاج سبک تا آموزش مدل‌های بزرگ؛ منابع متناسب با کار تو تخصیص پیدا می‌کنند.

PYTHON + HELRA
image = (helra.Image.debian_slim()
    .pip_install("torch", "transformers"))

@app.function(gpu="H100", image=image)
۰۳
SCALE

اجرا کن. مقیاس بگیر.

با هر درخواست، ظرفیت رشد می‌کند. وقتی کاری نیست، منابع به صفر می‌رسند و هزینه GPU بیکار هم صفر است.

PYTHON + HELRA
$ helra deploy app.py
✓ Environment built
✓ Function deployed
→ Autoscaling enabled
محیطت از قبل آماده است

کمتر نصب کن.
بیشتر آزمایش کن.

محیط‌های آماده برای ابزارهایی که هر روز استفاده می‌کنی. وابستگی‌ها و نسخه‌های پروژه‌ات را تعریف کن و روی GPU اجرا بگیر.

PythonCUDAPyTorchTransformersNumPyFastAPIDiffusersAccelerate
inference.py
import helrafrom transformers import pipeline app = helra.App("my-first-model")image = helra.Image.debian_slim().pip_install(    "torch", "transformers", "accelerate") @app.function(gpu="H100", image=image)def generate(prompt: str):    model = pipeline("text-generation",        model="Qwen/Qwen2.5-7B-Instruct",        device="cuda")    return model(prompt, max_new_tokens=256) @app.local_entrypoint()def main():    print(generate.remote("Hello, Helra!"))
TERMINALنمونه خروجی
$ helra run inference.py
کد پایتون، اجرای بدون‌سرور با SDK هلرا.
01 / INFERENCE

هر درخواست، یک پاسخ هوشمند.

مدل‌های زبانی، چت‌بات‌های فارسی و سرویس‌های استنتاج را بدون مدیریت دائمی سرور اجرا کن. با API و SDK هلرا، مدل را به محصولت متصل کن.

02 / TRAINING

مدلی متناسب با داده‌های خودت.

مدل را با داده‌های خودت آموزش بده و فاین‌تیون کن. محیط اجرا و منابع پردازش را متناسب با پروژه انتخاب کن.

03 / BATCH

یک کار یا هزاران کار، هم‌زمان.

پردازش دسته‌ای تصویر، متن و صدا با منابعی که متناسب با حجم کار افزایش می‌یابند. هلرا مدیریت صف و مقیاس‌پذیری را برایت انجام می‌دهد.

قدرت بیشتر، وقتی لازم داری

ترافیک عوض می‌شود.
زیرساخت هم باید عوض شود.

ترافیک را تغییر بده و مقیاس‌پذیری را ببین. وقتی درخواست‌ها به صفر می‌رسند، منابع بیکار آزاد می‌شوند.

برآورد هزینه‌ها
مقیاس‌پذیری خودکار60 REQUESTS / S
بدون درخواستافزایش ترافیک

منابع با ترافیک رشد می‌کنند و با پایان درخواست‌ها به صفر می‌رسند.

از ایده تا اجرا، فاصله کمتر

تو بساز.
زیرساختش با هلرا.

از ایده تا اجرای مدل، با GPU متناسب با نیازت پیش برو.

شروع با هلرا