Wenn eine GPU-Instanz beim Start einfriert, liegt das häufig an einem falsch konfigurierten Container-Image oder unzureichenden Ressourcen. Prüfe zuerst die Logs im Dashboard – dort steht meistens genau, welcher Schritt fehlschlägt. Hilft das nicht, lösche die Instanz und erstelle sie neu mit einem Standard-Image, um Konfigurationsfehler auszuschließen.
Ein häufiges Problem: Der SSH-Key wurde nicht korrekt hinterlegt oder die Instanz ist noch nicht vollständig hochgefahren.
Meist liegt das an einem Port-Weiterleitungsfehler oder einem abgelaufenen Token. Starte den Jupyter-Server in der Instanz neu und lade die URL mit dem aktuellen Token direkt aus den Logs. Falls der Browser die Seite blockiert, prüfe, ob du die richtige Port-Adresse verwendest.
Wenn die Kreditkarte beim Upgrade oder bei der Ressourcenbuchung abgelehnt wird, liegt es oft an einer fehlgeschlagenen 3D-Secure-Prüfung. Versuche eine andere Karte oder kontaktiere den Support mit dem genauen Fehlercode aus dem Browser-Netzwerk-Tab.
Das passiert, wenn pip oder conda versuchen, Pakete in einen schreibgeschützten Pfad zu installieren. Nutze pip install --user oder lege ein eigenes virtualenv an. Bei CUDA-abhängigen Paketen achte darauf, dass die installierte Version zur Treiber-Version der Instanz passt – das lässt sich mit nvidia-smi schnell prüfen.
Langsame Reaktionszeiten im webbasierten Editor entstehen oft durch eine geografisch weit entfernte Instanz-Region. Wähle beim Erstellen der Instanz eine Region, die näher an deinem Standort liegt. Zusätzlich hilft es, unnötige Browser-Erweiterungen zu deaktivieren, die den WebSocket-Traffic stören können.