让 AI 帮你使用轩辕镜像? · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
davecomery/kubeflow-llm-training
kubeflow/training-operator
kubeflow/kubeflow-triage
kubeflow/mxnet-operator
kubeflow/spark-operator
kubeflow/xgboost-operator
kubeflow/training-operator-conformance
kubeflow/model-initializer
kubeflow/dataset-initializer
kubeflow/training-operator-v2
kubeflow/model-registry
kubeflow/kubectl-delivery
kubeflow/pytorch-dist-mnist
kubeflow/trainer-controller-manager
kubeflow/deepspeed-runtime
kubeflow/tf-mnist-with-summaries
kubeflow/mlx-runtime
kubeflow/torchtune-trainer
kubeflow/xgboost-dist-iris
kubeflow/data-cache
kubeflow/storage-initializer
kubeflow/pytorch-elastic-example-imagenet
ulissigroup/kubeflow
kubeflow/model-registry-ui
kubeflow/trainer-huggingface
kubeflow/mpi-horovod-mnist
kubeflow/xgboost-runtime
kubeflow/tf-dist-mnist-test
kubeflow/lightgbm-dist-py-test
kubeflow/mxnet-gpu
kubeflow/pytorch-dist-sendrecv-test
kubeflow/pytorch-dist-mnist-mpi
kubeflow/pytorch-elastic-example-echo
kubeflow/tf-multi-worker-strategy
kubeflow/model-registry-storage-initializer
kubeflow/xgboost-dist-rabit-test
kubeflow/tf-smoke
kubeflow/jaxjob-simple
kubeflow/pytorch-torchrun-cpu
rocm/jax-training
kubeflow/tf-distributed-worker
kubeflow/pytorch-deepspeed-demo
kubeflow/dataset-initializer-v2
kubeflow/model-initializer-v2
kubeflow/mxnet-auto-tuning
kubeflow/model-registry-bff
rocm/pytorch-training
kubeflow/jaxjob-dist-spmd-mnist
kubeflow/tensorflow-notebook-cpu
kubeflow/tensorflow-notebook-gpu
unillett/training
kubeflow/tensorflow-notebook
kubeflow/tf-benchmarks-gpu
kubeflow/tf-benchmarks-cpu
mirantis/training-lab
kubeflow/mpi-operator
kubeflow/jupyterhub-k8s
rancher/opni-training-controller
kubeflow/model-server
kubeflow/caffe2
kubeflow/hotdogserver
kubeflow/kubectl
kubeflow/jupyterhub
kubeflow/http-proxy
kubeflow/envoy
openeuler/kubeflow
rancher/opni-training-controller-service
biocontainers/galaxy-rna-seq-training
ensemblorg/ensembl-vep-training
cnfltraining/training-tools
mesosphere/kubeflow-dev
kubeflowkatib/kubeflow-pipelines-launcher
mesosphere/kubeflow
ethansadr/kubeflow
training/whoami
charmedkubeflow/training-operator
training/postgres
pawankumarbh/kubeflow
trainingclub/trainingclub.back.dev
trainingport/trainingport-ci
training/dockercoins-worker
kubeflowkatib/katib-db-manager
training/dockercoins-rng
aipipeline/kubeflow-operator
training/dockercoins-hasher
training/dockercoins-webui
kubeflowkatib/pytorch-mnist
karcognizant/training_2020
kubeflow4siyi/kubeflow-images
windkithk/kubeflow-images
kubeflow123/pytorch-dist-mnist-test
training/stress
kubeflow/mxnet-operator
kubeflow/spark-operator
与「kubeflow-llm-training」相关的博客与命名空间
相关博客
MinerU Docker 部署指南:PDF 结构化解析服务实践
MinerU 是一款面向开发者与科研用户的容器化应用,专为 vLLM 后端服务设计,提供高效的文档解析与处理能力。通过 Docker 容器化部署 MinerU,可以简化安装流程、确保环境一致性,并便于在不同环境中快速迁移和扩展。 本指南将详细介绍 MinerU 的 Docker 容器化部署方案,包括环境准备、镜像拉取、容器部署、功能测试及生产环境配置建议,旨在帮助用户快速搭建稳定可靠的 MinerU 服务。
VLLM Docker 容器化部署指南:在 NVIDIA Jetson 平台高效运行大语言模型推理服务
VLLM是一个高效的开源大语言模型(LLM)推理服务框架,通过创新的PagedAttention技术实现高吞吐量和低延迟的推理性能。本文介绍的`dustynv/vllm`镜像是针对NVIDIA Jetson平台优化的容器化版本,由[dustynv/jetson-containers](https://github.com/dustynv/jetson-containers)项目构建,专为边缘计算场景设计,支持在资源受限的嵌入式设备上部署高性能LLM推理服务。
NANO_LLM Docker 容器化部署指南
NANO_LLM是一个轻量级、优化的大型语言模型(LLM)推理和多模态智能体库,专为边缘设备和高性能计算环境设计。该库提供了对多种深度学习框架的支持,包括PyTorch、TensorRT和ONNX Runtime,能够高效运行各类语言模型和多模态应用。
vllm-openai Docker 部署全手册
从个人开发者测试开源大模型,到企业搭建私有推理服务,vllm-openai 都是高效且低成本的选择。本教程将从核心概念讲起,逐步覆盖 Docker 环境准备、镜像拉取、多场景部署、结果验证及问题排查,无论你是初学者还是高级工程师,都能照着步骤完成部署。
verl Docker 容器化部署手册
无论你是刚接触大模型工具的初学者,还是需要高效管理训练任务的高级工程师,本教程都将带你一步步完成 verlai/verl 镜像的 Docker 部署——从工具认知、环境搭建到多场景部署实践,每个步骤均配备完整命令与详细说明,确保照着做就能成。