rapidsai/jupyterlab-nvdashboard

JupyterLab NVdashboard – 개요

설명 – NVIDIA‑GPU 메트릭(사용률, 메모리, PCIe/NVLink 처리량)을 노트북 내에서 실시간으로 보여주는 대시보드를 추가하는 JupyterLab 확장 프로그램입니다. 또한 코드 변경 없이 pandas, scikit‑learn, UMAP 또는 HDBSCAN의 GPU 가속 버전(RAPIDS cuDF 및 cuML 사용)을 즉시 전환할 수 있는 툴바 버튼을 제공합니다.

중요성 – GPU가 탑재된 머신에서 데이터 과학 노트북을 개발할 때, 일반적으로 노트북을 벗어나 nvidia‑smi 또는 기타 모니터링 도구를 실행해야 합니다. 이 확장 프로그램은 해당 차트를 동일한 UI에 배치하여 시계열 브러싱, 차트 간 동기화된 툴팁 확인을 가능하게 하며, JupyterLab의 라이트 및 다크 테마를 모두 지원합니다. "GPU Accel" 버튼을 사용하면 RAPIDS 가속 라이브러리를 쉽게 테스트하고 대시보드에서 즉시 그 효과를 확인할 수 있습니다.

주요 기능

연산 사용률, 메모리 사용량, PCIe 및 NVLink 처리량을 위한 실시간 차트.
비교를 용이하게 하는 브러싱 가능한 시계열 및 동기화된 툴팁.
JupyterLab의 라이트/다크 모드와 완벽한 테마 호환성.
cuDF‑pandas 및 cuML 가속기의 원클릭 활성화(해당 RAPIDS 패키지가 설치된 경우에만 표시).
JupyterLab v4+ 전용.

설치 방법 – Conda (rapidsai 또는 conda‑forge 채널) 또는 PyPI를 통해 설치하십시오. 초기 테스트를 위한 Nightly 빌드도 제공됩니다.

일반적인 워크플로우

JupyterLab v4에서 노트북을 엽니다.
노트북 툴바의 GPU Accel 메뉴를 열고 cuDF‑pandas 또는 cuML을 활성화합니다.
pandas / scikit‑learn 코드를 실행합니다. 대시보드에 GPU 활동이 표시되며 실행 시간을 비교할 수 있습니다.
차트의 브러시 도구를 사용하여 시간 범위를 확대합니다. 툴팁은 모든 차트에서 정렬된 상태를 유지합니다.

대상 사용자 – NVIDIA GPU에서 노트북을 개발하며 하드웨어 사용률에 대한 즉각적인 시각적 피드백을 원하는 데이터 과학자, ML 엔지니어 또는 RAPIDS 가속 라이브러리를 간편하게 사용해보고 싶은 연구자.

빠른 시작 (conda)

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

빠른 시작 (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'

문제 해결 – 서버 확장 프로그램(jupyter server extension list)과 프론트엔드 labextension(jupyter labextension list)이 모두 활성화되어 있는지 확인하십시오.

이 프로젝트는 개발자가 JupyterLab 내에서 GPU 기반 데이터 과학 워크로드를 모니터링하고 가속화하도록 돕는 진정한 AI 관련 도구입니다.