rapidsai/jupyterlab-nvdashboard

JupyterLab NVdashboard – 概要

概要 – NVIDIA‑GPUメトリクス（使用率、メモリ、PCIe/NVLinkスループット）をノートブック内でリアルタイムに表示するJupyterLab拡張機能です。また、コードを変更することなく、pandas、scikit‑learn、UMAP、またはHDBSCANのGPU高速化バージョン（RAPIDS cuDFおよびcuML経由）を即座に切り替えるツールバーボタンも備えています。

重要性 – GPU搭載マシンでデータサイエンスのノートブックを開発する際、通常はノートブックを離れて nvidia‑smi などの監視ツールを実行する必要があります。この拡張機能は、それらのチャートを同じUI内に配置し、時系列のブラッシングやチャート間でのツールチップ同期を可能にし、JupyterLabのライト/ダークテーマの両方に対応しています。「GPU Accel」ボタンにより、RAPIDS高速化ライブラリを簡単に試すことができ、その効果をダッシュボードで即座に確認できます。

主な機能

計算使用率、メモリ使用量、PCIeおよびNVLinkスループットのリアルタイムチャート。
比較を容易にするブラッシング可能な時系列と同期されたツールチップ。
JupyterLabのライト/ダークモードとの完全なテーマ互換性。
cuDF‑pandasおよびcuMLアクセラレータのワンクリック有効化（対応するRAPIDSパッケージがインストールされている場合のみ表示）。
JupyterLab v4+専用。

入手方法 – Conda (rapidsai または conda‑forge チャネル) または PyPI からインストールしてください。早期テスト用にNightlyビルドも利用可能です。

一般的なワークフロー

JupyterLab v4でノートブックを開きます。
ノートブックツールバーの GPU Accel メニューを開き、cuDF‑pandasまたはcuMLを有効にします。
pandas / scikit‑learnコードを実行します。ダッシュボードがGPUアクティビティで点灯し、実行時間を比較できます。
チャート上のブラシツールを使用して時間枠をズームインします。ツールチップはすべてのチャート間で同期されます。

対象ユーザー – NVIDIA GPU上でノートブックを開発し、ハードウェア使用率の視覚的なフィードバックを即座に得たいデータサイエンティスト、MLエンジニア、またはRAPIDS高速化ライブラリを簡単に試したい研究者。

クイックスタート (conda)

conda install -c rapidsai -c conda-forge jupyterlab-nvdashboard   # stable
# or nightly
conda install -c rapidsai-nightly -c conda-forge jupyterlab-nvdashboard

クイックスタート (pip)

pip install jupyterlab-nvdashboard               # stable
# or nightly
pip install --extra-index-url https://pypi.anaconda.org/rapidsai-wheels-nightly/simple 'jupyterlab-nvdashboard>=0.14.0a0'

トラブルシューティング – サーバー拡張機能 (jupyter server extension list) とフロントエンドのlabextension (jupyter labextension list) の両方が有効になっていることを確認してください。

このプロジェクトは、開発者がJupyterLab内でGPUベースのデータサイエンスワークロードを監視および高速化するのを支援する、真のAI関連ツールです。