Przejdź do treści
Biblioteka skilli
DevOps i chmura · Budowanie i kod

gpu-containers

/gpu-containers

Konfiguruje środowiska Docker dla obciążeń GPU: dostęp do runtime NVIDIA i AMD, dobór obrazów bazowych i walidację uruchomienia na jednym lub wielu GPU z CUDA, ROCm, PyTorch i TensorFlow.

Repozytorium
rse-plugins ↗
Licencja
BSD-3-Clause
Ostatnia zmiana repozytorium
14.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
6
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 14.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

BSD-3-Clause, otwarta.

Co robi i kiedy

Konfiguruje środowiska Docker dla obciążeń GPU: dostęp do runtime NVIDIA i AMD, dobór obrazów bazowych i walidację uruchomienia na jednym lub wielu GPU z CUDA, ROCm, PyTorch i TensorFlow.

Oryginalny opis (EN)

Use when the user needs to configure Docker/container environments for GPU workloads, mentions CUDA, ROCm, GPU passthrough, or asks about running PyTorch/TensorFlow in containers. Configures NVIDIA/AMD GPU runtime access, selects compatible base images, and validates single/multi-GPU container execution.

Jak działa

  1. Primary Actions
  2. Quick Checks
  3. Compatibility Snapshot
  4. End-to-End Workflow With Validation Gates
  5. Quick Compose Example (NVIDIA)
  6. Templates
  7. Deep References
Sekcje z nagłówków SKILL.md, w oryginale · 70 linii, 211 słów
Podgląd SKILL.md
---
name: gpu-containers
description: Use when the user needs to configure Docker/container environments for GPU workloads, mentions CUDA, ROCm, GPU passthrough, or asks about running PyTorch/TensorFlow in containers. Configures NVIDIA/AMD GPU runtime access, selects compatible base images, and validates single/multi-GPU container execution.
metadata:
  references:
    - references/nvidia-cuda-setup.md
    - references/amd-rocm-setup.md
    - references/gpu-validation-and-operations.md
  assets:
    - assets/cuda-dockerfile.dockerfile
    - assets/rocm-dockerfile.dockerfile
---

# GPU Containers

## Primary Actions

- Configure NVIDIA CUDA or AMD ROCm container runtime access.
- Select compatible CUDA/ROCm base images for framework workloads.
- Configure single- and multi-GPU container execution.
- Configure Docker Compose GPU services.
- Troubleshoot driver/runtime/framework compatibility failures.

## Quick Checks

```bash
# Host visibility
nvidia-smi

# NVIDIA container GPU check
docker run --rm --gpus all nvidia/cuda:12.4.1-base-ubuntu22.04 nvidia-smi

# AMD ROCm container check
docker run --rm --device=/dev/kfd --device=/dev/dri rocm/pytorch:latest rocm-smi
```

## Compatibility Snapshot

| CUDA Version | Minimum Driver |
|-------------|----------------|
| 12.4 | 550.54+ |
| 12.1 | 530.30+ |
| 11.8 | 520.61+ |

## End-to-End Workflow With Validation Gates

1. Check host GPU driver/tooling.
2. Install/configure container runtime toolkit.
3. Validate GPU visibility in a base container.
4. Build app image and validate framework GPU access.
5. For multi-GPU jobs, validate allocation and IPC/shared memory settings.
6. If any gate fails, fix compatibility/runtime config and retry from step 1.

## Quick Compose Example (NVIDIA)

```yaml
services:
  training:
    build: .
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
```

## Templates

- [assets/cuda-dockerfile.dockerfile](assets/cuda-dockerfile.dockerfile)
- [assets/rocm-dockerfile.dockerfile](assets/rocm-dockerfile.dockerfile)

## Deep References

- NVIDIA CUDA setup and compatibility:
  [references/nvidia-cuda-setup.md](references/nvidia-cuda-setup.md)
- AMD ROCm setup and device mapping:
  [references/amd-rocm-setup.md](references/amd-rocm-setup.md)
- Validation workflow and failure recovery:
  [references/gpu-validation-and-operations.md](references/gpu-validation-and-operations.md)
Pliki w paczce (6)
  • SKILL.md 2 KB
  • assets/cuda-dockerfile.dockerfile 5 KB
  • assets/rocm-dockerfile.dockerfile 5 KB
  • references/amd-rocm-setup.md 10 KB
  • references/gpu-validation-and-operations.md 1 KB
  • references/nvidia-cuda-setup.md 15 KB

Wersje

W bazie nie ma innych skilli o nazwie gpu-containers.

Migawka bazy z 13.11.2026 · wersja paczki accd08499c6d (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 91docker-ros2-development
    Pomaga konteneryzować przestrzenie robocze ROS2: wieloetapowe Dockerfile, docker-compose, DDS między kontenerami i GPU.
  • 100gpu-server-setup
    Przygotowuje serwer Linux z GPU NVIDIA lub Intel Arc do obciążeń sieci neuronowych i LLM albo diagnozuje wadliwy: sterowniki, CUDA, Docker, vLLM, Ollama i OpenWebUI.
  • 100tao-setup-nvidia-gpu-host
    Sprawdza, a po zatwierdzeniu instaluje sterownik NVIDIA, CUDA i NVIDIA Container Toolkit na hostach GPU dla TAO.
  • 95flox-cuda
    Pomaga w konfiguracji CUDA i rozwoju na GPU w Flox: frameworki deep learning, cuDNN i środowiska CPU oraz GPU.
  • 100pixi-install-nvidia
    Instaluje narzędzia NVIDIA, CUDA i GPU przez Pixi bez sudo i apt, na przykład komponenty CUDA toolkit, cuDNN, NCCL, buildy PyTorch z CUDA i RAPIDS.
  • 100rocm
    Pomaga pisać jądra HIP, korzystać z bibliotek ROCm, profilować kod, portować CUDA na HIP i debugować kod GPU AMD.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.