imansour/ml-workspace-gpu

镜像概述

ML Workspace是专为机器学习和数据科学设计的一体化Web IDE，部署简单，几分钟即可启动并高效构建ML解决方案。该镜像预装TensorFlow、PyTorch等流行数据科学库，以及Jupyter、VS Code、TensorBoard等开发工具，已完成优化配置与集成。

核心功能

• 支持Jupyter、JupyterLab、VS Code Web IDE
• 预装大量数据科学库与工具
• Web浏览器访问完整Linux桌面GUI
• 无缝Git集成（针对笔记本优化）
• 集成TensorBoard、Netdata监控硬件与训练状态
• 单端口支持Web、SSH、VNC访问
• 可作为远程内核（Jupyter）或远程机器（VS Code）
• 跨平台Docker部署（Mac/Linux/Windows）

使用场景

• 个人学习与实验机器学习算法
• 团队协作开发ML模型与数据科学项目
• 快速原型开发（无需手动配置环境）
• GPU加速训练深度学习模型
• 远程访问开发环境，跨设备协作

配置说明

基础部署（GPU版本）

bash
docker run -p 8080:8080 --gpus all mltooling/ml-workspace-gpu:latest

访问地址：http://localhost:8080

生产环境部署（持久化+认证）

bash
docker run -d -p 8080:8080 --name "ml-workspace-gpu" \
  -v "${PWD}:/workspace" \
  --env AUTHENTICATE_VIA_JUPYTER="your_token" \
  --shm-size 512m \
  --restart always \
  --gpus all \
  mltooling/ml-workspace-gpu:latest

GPU版本系统要求

1. Nvidia驱动≥410.48（兼容CUDA 10）
2. Docker≥19.03：安装Nvidia Container Toolkit
3. Docker<19.03：安装Nvidia Docker 2.0

Docker<19.03部署命令：

bash
docker run -p 8080:8080 --runtime nvidia \
  --env NVIDIA_VISIBLE_DEVICES="all" \
  mltooling/ml-workspace-gpu:latest

关键环境变量

数据持久化

通过-v "${PWD}:/workspace"挂载本地目录到容器/workspace，保存工作成果。

资源限制

示例：限制8CPU、16GB内存、1GB共享内存

bash
docker run -p 8080:8080 --cpus=8 --memory=16g --shm-size=1G --gpus all mltooling/ml-workspace-gpu:latest