Como Usar o RunPod: Tutorial Completo para Iniciantes

O Que é o RunPod?

O RunPod é uma plataforma de GPU cloud que permite alugar GPUs poderosas por hora, sem nenhum compromisso de longo prazo. É uma das plataformas mais populares para AI e machine learning em 2026, com interface amigável e templates prontos para uso.

Passo 1: Criando sua Conta

1. Acesse [runpod.io](https://runpod.io/?ref=t24bnbpm)

2. Clique em **"Sign Up"** no canto superior direito

3. Cadastre-se com email ou conta Google/GitHub

4. Verifique seu email

Passo 2: Adicionando Créditos

1. No painel, clique em **"Billing"** no menu lateral

2. Clique em **"Add Credits"**

3. Escolha o valor (mínimo $10)

4. Pague com cartão de crédito internacional, PayPal, ou cripto

**Dica para brasileiros:** Use um cartão Wise ou Nubank Internacional para evitar taxas altas de câmbio.

Passo 3: Escolhendo a GPU

1. Clique em **"Deploy"** no menu principal

2. Você verá a lista de GPUs disponíveis com preços por hora

3. Filtre por:

- **VRAM mínimo** (24GB para SDXL/Flux, 40GB+ para LLMs grandes)

- **Secure Cloud** (mais estável) ou **Community Cloud** (mais barato)

4. **Recomendações por uso:**

- Stable Diffusion: **RTX 4090** ($0,44/hr)

- Fine-tuning LLaMA 7B: **A100 40GB** ($1,19/hr)

- Treinamento LLM grande: **H100 80GB** ($3,99/hr)

Passo 4: Selecionando o Template

Após escolher a GPU, clique em **"Select"** e você verá a tela de configuração:

Container Image / Template:: Escolha um template pré-configurado:

- `RunPod PyTorch 2.x` — para treinamento geral

- `ComfyUI` — para Stable Diffusion

- `Jupyter Notebook` — para exploração de dados

- `Ollama` — para inferência de LLMs

Container Disk:: 10–20 GB (para o sistema)

Volume Disk:: 50–200 GB (para seus modelos e dados — persiste entre sessões!)

Passo 5: Conectando via SSH ou Jupyter

Após o deploy (1–3 minutos), clique em **"Connect"**:

**Opção A — Jupyter Lab (mais fácil):**

**Opção B — SSH (mais controle):**

```bash

ssh root@XXXXXXX.runpod.io -p XXXXX -i ~/.ssh/id_rsa

```

A chave SSH é configurada em **Settings → SSH Keys**.

Passo 6: Fazendo Upload dos seus Dados

```bash

Upload de pasta local para o pod

rsync -avz --progress ./meu_dataset/ root@XXXXXXX.runpod.io:/workspace/dataset/

Ou via wget/curl dentro do pod:

wget https://seu-storage.com/dataset.zip -O /workspace/dataset.zip

unzip /workspace/dataset.zip -d /workspace/

```

**Dica:** Salve dados no Volume (não no Container Disk) — o Volume persiste mesmo quando você encerra o pod.

Passo 7: Rodando seu Treinamento

```bash

Dentro do pod via SSH ou terminal do Jupyter

cd /workspace

pip install -r requirements.txt

python train.py --epochs 10 --batch_size 32

```

Monitore o uso da GPU:

```bash

watch -n 1 nvidia-smi

```

Passo 8: Baixando os Resultados

```bash

Do seu computador local

rsync -avz --progress root@XXXXXXX.runpod.io:/workspace/output/ ./resultados_locais/

```

Ou use `scp` para arquivos individuais.

Passo 9: Encerrando a Instância

**IMPORTANTE:** Não esqueça de parar o pod quando terminar — você é cobrado por hora enquanto estiver rodando!

1. No painel RunPod, vá em **"My Pods"**

2. Clique em **"Stop"** (para pausar) ou **"Terminate"** (para encerrar permanentemente)

Stop: mantém o volume, **Terminate** apaga tudo

Dicas Gerais

Conclusão

O RunPod é simples de usar e poderoso. Com este tutorial, você já tem tudo que precisa para sua primeira sessão de treinamento ou inferência na nuvem.

Começar no RunPod agora → →