Framework de Python que compila funciones Python comunes con JIT para convertirlas en kernels que se ejecutan en CPU o GPU NVIDIA, para simulación, robótica y ML.
7,3 mil+20 esta semana683PythonApache-2.0Actualizado ayer
rapidsai/jupyterlab-nvdashboard
Una extensión de JupyterLab que añade paneles para supervisar el uso de cómputo, memoria, PCIe y NVLink de la GPU desde los notebooks.
- Estrellas
- 680
- Forks
- 88
- Issues abiertos
- 34
- Último commit
- hace 11 días
¿Qué es?
JupyterLab NVdashboard es una extensión para JupyterLab que muestra paneles de uso de la GPU junto a los notebooks y archivos con los que ya trabajas. Presenta métricas del hardware del sistema en gráficos, como el uso de cómputo y memoria de la GPU y el rendimiento de PCIe y NVLink, para que puedas observar la actividad del hardware sin salir del entorno de desarrollo.
Los gráficos permiten arrastrar para seleccionar un intervalo de tiempo y examinarlo con más detalle; además, en las páginas con varios gráficos, la información emergente se sincroniza en la misma marca de tiempo para facilitar la comparación. El panel sigue los temas claro y oscuro de JupyterLab.
La extensión también incluye un menú GPU Accel en la barra de herramientas del notebook. Permite activar cuDF pandas y los aceleradores de cuML para código de scikit-learn, UMAP y HDBSCAN sin modificarlo, siempre que las bibliotecas correspondientes estén instaladas en el entorno del notebook. La versión 4 está dirigida a JupyterLab 4 y versiones posteriores, y se puede instalar con conda o pip.
Funciones clave
- 01Muestra gráficos del uso de cómputo y del consumo de memoria de la GPU.
- 02Muestra métricas de rendimiento de PCIe y NVLink.
- 03Permite arrastrar para seleccionar un intervalo de tiempo en los gráficos de series temporales.
- 04Sincroniza la información emergente de los distintos gráficos en la misma marca de tiempo.
- 05Activa y desactiva los aceleradores de cuDF pandas y cuML desde la barra de herramientas del notebook, sin modificar el código.
Casos de uso
- Supervisar la carga de la GPU mientras entrenas o ejecutas modelos en un notebook de JupyterLab.
- Comprobar si el código de pandas o scikit-learn está usando realmente la GPU después de activar la aceleración.
- Comparar las métricas de memoria y rendimiento de un intervalo de tiempo anterior durante la depuración.
Inicio rápido
- 1
Instalar desde PyPI (versión estable)
pip install jupyterlab-nvdashboard - 2
O instalar desde conda-forge (versión estable)
conda install -c conda-forge jupyterlab-nvdashboard
Antes de usarlo
- Se requiere JupyterLab v4 o posterior, ya que solo se admiten las versiones v4 y posteriores.
- Los controles del acelerador GPU solo aparecen si cuDF o cuML están instalados en el entorno del notebook.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es jupyterlab-nvdashboard?
- Una extensión de JupyterLab que añade paneles para supervisar el uso de cómputo, memoria, PCIe y NVLink de la GPU desde los notebooks. JupyterLab NVdashboard es una extensión para JupyterLab que muestra paneles de uso de la GPU junto a los notebooks y archivos con los que ya trabajas. Presenta métricas del hardware del sistema en gráficos, como el uso de cómputo y memoria de la GPU y el rendimiento de PCIe y NVLink, para que puedas observar la actividad del hardware sin salir del entorno de desarrollo.
- ¿jupyterlab-nvdashboard es gratuito? ¿Qué licencia tiene?
- jupyterlab-nvdashboard es open source bajo la licencia BSD-3-Clause. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿jupyterlab-nvdashboard sigue mantenido?
- Mantenimiento activo. El último commit de jupyterlab-nvdashboard fue el 27 oct 2026.
- ¿Para qué puedo usar jupyterlab-nvdashboard?
- Supervisar la carga de la GPU mientras entrenas o ejecutas modelos en un notebook de JupyterLab. Comprobar si el código de pandas o scikit-learn está usando realmente la GPU después de activar la aceleración. Comparar las métricas de memoria y rendimiento de un intervalo de tiempo anterior durante la depuración.
- ¿Cómo se instala jupyterlab-nvdashboard?
- Instalar desde PyPI (versión estable): pip install jupyterlab-nvdashboard O instalar desde conda-forge (versión estable): conda install -c conda-forge jupyterlab-nvdashboard
- ¿Dónde consigo jupyterlab-nvdashboard?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/rapidsai/jupyterlab-nvdashboard
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Dashboard web autohospedado para supervisar en tiempo real las GPU NVIDIA, con un modo hub para varias máquinas.
1,6 mil+1 esta semana86JavaScriptMITActualizado hace 2 meses
Monitor interactivo de terminal para GPU NVIDIA que muestra el estado de los dispositivos y de cada proceso, con selector de dispositivos CLI y API de Python.
7,2 mil+8 esta semana254PythonApache-2.0Actualizado hace 5 días
NCCL es la biblioteca de NVIDIA con primitivas optimizadas de comunicación entre GPUs, como all-reduce y all-gather, para entrenamiento en uno o varios nodos.
5,2 mil+17 esta semana1,5 milC++OtherActualizado hace 4 días
La plataforma de NVIDIA para CUDA en Rust, con crates de runtime para el host y modelos SIMT y Tile para escribir kernels de GPU en Rust.
4 mil+94 esta semana362RustApache-2.0Actualizado ayer
Dashboard web autoalojado en tiempo real que supervisa en una sola ventana del navegador una o varias NVIDIA DGX Spark y otras máquinas con GPU (GPU, memoria, CPU, red y servidores LLM locales).
838+53 esta semana201JavaScriptApache-2.0Bien mantenidoActualizado ayer