Repolode
제출하기
iot-salzburg

iot-salzburg/gpu-jupyter

재현 가능한 딥러닝 작업을 위해 PyTorch, TensorFlow와 데이터 과학 도구 모음을 갖춘 GPU 지원 JupyterLab Docker 이미지입니다.

GitHub에서 보기
스타
768
포크
238
열린 이슈
3
마지막 커밋
3개월 전

어떤 프로젝트인가요?

GPU-Jupyter는 NVIDIA 공식 CUDA 이미지와 Jupyter Docker Stacks를 기반으로 만든 Docker 기반 JupyterLab 환경입니다. PyTorch, TensorFlow와 여러 데이터 과학 패키지를 포함해 CUDA 라이브러리와 프레임워크를 직접 설치하지 않고도 GPU 가속 노트북을 실행할 수 있습니다.

이 프로젝트는 재현성을 목표로 합니다. CUDA, Ubuntu 및 라이브러리 버전을 고정한 버전 태그로 이미지를 배포하며, 로컬 폴더를 컨테이너에 마운트해 노트북과 데이터가 세션이 끝난 뒤에도 유지되도록 할 수 있습니다. Julia와 R을 포함한 전체 빌드부터 Python만 포함한 슬림 빌드까지 여러 이미지 변형을 제공합니다.

여러 수준에서 사용자 지정할 수 있습니다. Docker Compose로 이미지를 실행하고, 고정 Jupyter 토큰을 설정하고, pip나 apt로 패키지를 추가하거나, 원하는 CUDA 베이스 이미지와 Jupyter Docker Stacks 커밋을 선택해 자체 Dockerfile을 생성하고 빌드할 수 있습니다.

핵심 기능

  • 01NVIDIA CUDA에서 PyTorch와 TensorFlow를 사용할 수 있도록 사전 구성된 JupyterLab.
  • 02재현 가능한 실험을 위한 버전 태그 이미지.
  • 03작업을 컨테이너 외부에 보존할 수 있는 로컬 폴더 마운트.
  • 04Julia와 R을 선택적으로 포함하는 Python 전용, 슬림 및 전체 변형.
  • 05Docker Compose 지원 및 고정 Jupyter 토큰 옵션.
  • 06사용자 지정 Dockerfile과 이미지를 빌드하는 생성 스크립트.

활용 사례

  • 로컬 머신이나 서버의 노트북에서 GPU 가속 딥러닝 실험 실행.
  • 공동 작업자와 연구 환경을 공유하거나 출판물에 재현 가능한 환경 제공.
  • 드라이버와 라이브러리를 직접 설정하지 않고 GPU 호스트에 표준 데이터 과학 작업 공간 구축.
  • 베이스 이미지에 사용자 지정 패키지를 추가해 팀 전용 이미지 빌드.

빠른 시작

  1. 1

    필수 항목을 설치합니다: NVIDIA GPU 드라이버, CUDA, Docker, NVIDIA Container Toolkit

  2. 2

    Docker에서 GPU에 액세스할 수 있는지 확인합니다

    docker run --rm --gpus all nvidia/cuda:13.0.3-cudnn-runtime-ubuntu24.04 nvidia-smi
  3. 3

    GPU-Jupyter 이미지를 pull하고 실행한 다음, 출력된 token을 사용해 http://localhost:8848을 엽니다

    docker run --gpus all -it -p 8848:8888 -v "$(pwd)/data:/home/jovyan/work" -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes --user root cschranz/gpu-jupyter:v1.11_cuda-13.0_ubuntu-24.04_python-only

사용 전 알아둘 점

  • NVIDIA GPU와 설치된 드라이버, CUDA, Docker, NVIDIA Container Toolkit이 필요합니다.
  • 이미지 용량이 커서 처음 다운로드하는 데 시간이 오래 걸릴 수 있습니다.

토픽

#jupyter#docker#gpu-computing#pytorch#tensorflow#deep-learning#reproducible-research#environment#gpu-acceleration#jupyter-server

자주 묻는 질문

gpu-jupyter은(는) 무엇인가요?
재현 가능한 딥러닝 작업을 위해 PyTorch, TensorFlow와 데이터 과학 도구 모음을 갖춘 GPU 지원 JupyterLab Docker 이미지입니다. GPU-Jupyter는 NVIDIA 공식 CUDA 이미지와 Jupyter Docker Stacks를 기반으로 만든 Docker 기반 JupyterLab 환경입니다. PyTorch, TensorFlow와 여러 데이터 과학 패키지를 포함해 CUDA 라이브러리와 프레임워크를 직접 설치하지 않고도 GPU 가속 노트북을 실행할 수 있습니다.
gpu-jupyter은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
gpu-jupyter은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
gpu-jupyter은(는) 아직 유지보수되고 있나요?
6개월 이내 업데이트. gpu-jupyter의 마지막 커밋은 2026년 8월 11일입니다.
gpu-jupyter은(는) 어디에 사용할 수 있나요?
로컬 머신이나 서버의 노트북에서 GPU 가속 딥러닝 실험 실행. 공동 작업자와 연구 환경을 공유하거나 출판물에 재현 가능한 환경 제공. 드라이버와 라이브러리를 직접 설정하지 않고 GPU 호스트에 표준 데이터 과학 작업 공간 구축. 베이스 이미지에 사용자 지정 패키지를 추가해 팀 전용 이미지 빌드.
gpu-jupyter는 어떻게 설치하나요?
필수 항목을 설치합니다: NVIDIA GPU 드라이버, CUDA, Docker, NVIDIA Container Toolkit Docker에서 GPU에 액세스할 수 있는지 확인합니다: docker run --rm --gpus all nvidia/cuda:13.0.3-cudnn-runtime-ubuntu24.04 nvidia-smi GPU-Jupyter 이미지를 pull하고 실행한 다음, 출력된 token을 사용해 http://localhost:8848을 엽니다: docker run --gpus all -it -p 8848:8888 -v "$(pwd)/data:/home/jovyan/work" -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes --user root cschranz/gpu-jupyter:v1.11_cuda-13.0_ubuntu-24.04_python-only
gpu-jupyter은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/iot-salzburg/gpu-jupyter

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트