一个 Python 框架,可将普通 Python 函数即时编译为在 CPU 或 GPU 上运行的内核,用于仿真、机器人与机器学习。
rapidsai/jupyterlab-nvdashboard
为 JupyterLab 添加 GPU 监控面板,可在笔记本内查看计算、显存、PCIe 和 NVLink 使用情况。
- Star
- 680
- Fork
- 88
- 未关闭 Issue
- 34
- 最近提交
- 11天前
这是什么?
JupyterLab NVdashboard 是一个 JupyterLab 扩展,可以在使用笔记本和文件的同一界面中显示 GPU 使用情况面板。它展示 GPU 计算利用率、显存占用、PCIe 吞吐量和 NVLink 吞吐量等硬件指标,无需离开开发环境即可观察硬件状态。
时间序列图表支持拖拽框选时间范围,便于查看历史细节;多图页面的提示框会对齐到同一时间点,方便对比不同指标。面板会跟随 JupyterLab 的浅色和深色主题。
扩展还在笔记本工具栏中提供 GPU Accel 菜单。在已安装相应库的环境中,可以无需修改代码,为 pandas 启用 cuDF,为 scikit-learn、UMAP 和 HDBSCAN 启用 cuML 加速。v4 版本面向 JupyterLab 4 及以上,可通过 conda 或 pip 安装。
核心功能
- 01显示 GPU 计算利用率和显存占用图表。
- 02展示 PCIe 与 NVLink 吞吐量指标。
- 03在时间序列图表上拖拽选择时间范围。
- 04多图页面的提示框按同一时间点对齐。
- 05在笔记本工具栏中开关 cuDF pandas 和 cuML 加速器,无需修改代码。
适用场景
- 在 JupyterLab 笔记本中训练或运行模型时监控 GPU 负载。
- 开启加速后确认 pandas 或 scikit-learn 代码是否真正使用了 GPU。
- 调试时回看一段时间内的显存和吞吐量变化。
快速上手
- 1
从 PyPI 安装(稳定版)
pip install jupyterlab-nvdashboard - 2
或从 conda-forge 安装(稳定版)
conda install -c conda-forge jupyterlab-nvdashboard
使用前须知
- 需要 JupyterLab v4 或更高版本,因为 v4 仅支持 JupyterLab v4+。
- 只有在 notebook 环境中安装了 cuDF 或 cuML 时,GPU 加速器控件才会显示。
收录于专题
标签
常见问题
- jupyterlab-nvdashboard 是什么?
- 为 JupyterLab 添加 GPU 监控面板,可在笔记本内查看计算、显存、PCIe 和 NVLink 使用情况。 JupyterLab NVdashboard 是一个 JupyterLab 扩展,可以在使用笔记本和文件的同一界面中显示 GPU 使用情况面板。它展示 GPU 计算利用率、显存占用、PCIe 吞吐量和 NVLink 吞吐量等硬件指标,无需离开开发环境即可观察硬件状态。
- jupyterlab-nvdashboard 可以免费使用吗?用的什么许可证?
- jupyterlab-nvdashboard 以 BSD-3-Clause 许可证开源。用于商业产品前,请先确认许可证条款。
- jupyterlab-nvdashboard 还在维护吗?
- 活跃维护中。jupyterlab-nvdashboard 最近一次提交是在 2026年10月27日。
- jupyterlab-nvdashboard 适合用来做什么?
- 在 JupyterLab 笔记本中训练或运行模型时监控 GPU 负载。 开启加速后确认 pandas 或 scikit-learn 代码是否真正使用了 GPU。 调试时回看一段时间内的显存和吞吐量变化。
- jupyterlab-nvdashboard 怎么安装和运行?
- 从 PyPI 安装(稳定版): pip install jupyterlab-nvdashboard 或从 conda-forge 安装(稳定版): conda install -c conda-forge jupyterlab-nvdashboard
- 在哪里获取 jupyterlab-nvdashboard?
- 源代码和安装说明在 GitHub 上:https://github.com/rapidsai/jupyterlab-nvdashboard
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
可自托管的网页版 NVIDIA GPU 实时监控面板,支持多机聚合查看。
面向 NVIDIA GPU 的交互式终端监控工具,可查看设备与进程状态,并附带 CUDA 设备选择工具和 Python API。
NCCL 是英伟达的 GPU 集合通信库,提供 all-reduce、all-gather 等优化原语,用于单机和多机训练。
NVIDIA 推出的 Rust CUDA 平台,提供主机端运行时及 SIMT、Tile 两种 GPU 内核编程模型。
自托管的实时网页仪表盘,在一个浏览器窗口中监控多台 NVIDIA DGX Spark 及其他 GPU 主机的 GPU、内存、CPU、网络和本地大模型服务。