ReproNim/neurodocker

Generate custom Docker and Singularity images, and minimize existing containers

解决的问题

Neurodocker 解决了创建可重现的神经影像软件环境的困难。它简化了生成自定义 Dockerfile 和 Singularity 配方的过程，确保复杂的神经影像工具能够在不同系统上一致运行。

工作原理

它是一个命令行程序，允许用户指定其神经影像软件的需求，然后自动生成必要的容器配方（Dockerfile 或 Singularity 配方）。此外，它还可以用于压缩现有容器以减小其大小。

适用人群

需要为数据处理流程创建、共享和部署可重现软件环境的神经影像领域的研究人员和开发者。

主要亮点

  • 为神经影像软件生成自定义 Dockerfile 和 Singularity 配方。
  • 对现有容器进行压缩，以降低存储和分发成本。
  • 支持广泛的神经影像软件包。
  • 可通过 pip 安装为命令行工具，或作为预构建的 Docker 镜像使用。

相关

  • 项目
    nipy/nipype

    一个 Python 项目，为神经影像软件提供统一接口，使用户能够将不同包的工具组合成单一、可复现的工作流。

  • 项目
    dusty-nv/jetson-containers

    jetson‑containers 是一个模块化 Docker 基础的构建系统，为 NVIDIA Jetson 边缘设备提供即用的、CUDA 兼容的 AI/ML、机器人和仿真包。您可以选择框架（PyTorch、TensorFlow、LLM 工具包、ROS 等），通过单个命令构建一个容器，并使用 NVIDIA 运行时默认设置运行。非常适合需要在 Jetson 硬件上构建可复现、高性能 AI 环境的开发者和研究人员。

  • 项目
    chaiNNer-org/chaiNNer

    用于程序化图像处理和 AI 放大的基于节点的 GUI，允许用户通过可视化界面构建可定制的处理流水线。

  • 项目
    replicate/cog

    一个将机器学习模型打包成生产级 Docker 容器并自动生成 HTTP 推理服务器的开源工具。

  • 项目
    iot-salzburg/gpu-jupyter

    GPU‑Jupyter 提供基于 Docker 的 GPU 支持 JupyterLab 环境，预装 Python、PyTorch、TensorFlow、Julia 和 R。支持版本镜像、易于自定义和 Docker‑Compose，可在任何配备 NVIDIA GPU 的机器上实现可复现的深度学习实验。