文件名称：gpu-jupyter:通过NVIDIA GPU的功能来利用Jupyterlab的灵活性，以在GPU上的协作笔记本中运行Tensorflow和Pytorch的代码
文件大小：622KB
文件格式：ZIP
更新时间：2024-06-02 06:00:27
JupyterNotebook
GPU Jupyter 利用NVIDIA GPU的功能来利用Jupyter笔记本电脑，并在协作笔记本电脑中使用Tensorflow和Pytorch执行GPU计算。 首先，感谢为数据分析/科学应用程序创建和维护了健壮的Python，R和Julia工具栈。 该项目使用NVIDIA CUDA映像作为基础映像，并在其之上安装其工具堆栈，以在Jupyter笔记本电脑中启用GPU计算。 该存储库的映像在上。 内容 快速开始 需要具有NVIDIA GPU的计算机。 安装 1.10.0+版本和 1.28.0+版本。 通过Docker容器中的CUDA驱动程序访问您的GPU。 如果命令docker run --gpus all nvidia/cuda:11.0.3-cudnn8-runtime-ubuntu20.04 nvidia-smi返回的结果与此类似，则可以确定可以在Docker中访问GPU。 M
【文件预览】：
gpu-jupyter-master
----.gitignore(1KB)
----data()
--------.gitkeep(0B)
----add-to-swarm.sh(2KB)
----src()
--------Dockerfile.usefulpackages(1KB)
--------jupyter_notebook_config.json(103B)
--------Dockerfile.header(480B)
--------Dockerfile.gpulibs(1KB)
----.staroid()
--------staroid.yaml(1KB)
--------README.md(468B)
--------minikube.yaml(355B)
--------build.sh(399B)
--------Dockerfile.staroid(36B)
--------k8s.yaml(2KB)
--------skaffold.yaml(352B)
----LICENSE(11KB)
----docker-compose.yml(467B)
----.gitmodules(133B)
----.github()
--------workflows()
----docker-compose-swarm.yml(657B)
----build_push_all.sh(2KB)
----README.md(18KB)
----remove-from-swarm.sh(134B)
----extra()
--------logo_gupyter.png(61KB)
--------performance-test.png(346KB)
--------Getting_Started()
--------jupyterlab-overview.png(118KB)
----.build()
--------Dockerfile(14KB)
--------start.sh(6KB)
--------docker-stacks()
--------start-notebook.sh(665B)
--------start-singleuser.sh(1KB)
--------jupyter_notebook_config.json(103B)
--------jupyter_notebook_config.py(2KB)
--------fix-permissions(1020B)
----generate-Dockerfile.sh(7KB)