rapidsai/jupyterlab-nvdashboard

JupyterLab NVdashboard – 概览

是什么 – 这是一个 JupyterLab 扩展，可在您的笔记本内添加一个实时仪表板，显示 NVIDIA‑GPU 指标（利用率、内存、PCIe/NVLink 吞吐量）。它还提供一个工具栏按钮，无需更改代码即可即时切换 GPU 加速版本的 pandas、scikit‑learn、UMAP 或 HDBSCAN（通过 RAPIDS cuDF 和 cuML）。

为什么重要 – 当您在支持 GPU 的机器上开发数据科学笔记本时，通常必须离开笔记本去运行 nvidia‑smi 或其他监控工具。此扩展将这些图表整合在同一个 UI 中，让您可以缩放时间序列、查看同步的工具提示，并支持 JupyterLab 的浅色与深色主题。“GPU Accel”按钮让您可以轻松尝试 RAPIDS 加速库，并立即在仪表板上看到效果。

主要功能

用于计算利用率、内存使用量、PCIe 和 NVLink 吞吐量的实时图表。
可缩放的时间序列和同步工具提示，便于比较。
与 JupyterLab 的浅色/深色模式完全兼容。
一键启用 cuDF‑pandas 和 cuML 加速器（仅在安装对应的 RAPIDS 包时显示）。
仅适用于 JupyterLab v4+。

如何获取 – 通过 Conda (rapidsai 或 conda‑forge 通道) 或 PyPI 安装。提供 Nightly 版本供早期测试。

典型工作流程

在 JupyterLab v4 中打开笔记本。
打开笔记本工具栏中的 GPU Accel 菜单并启用 cuDF‑pandas 或 cuML。
运行您的 pandas / scikit‑learn 代码 – 仪表板会显示 GPU 活动，您可以比较运行时间。
使用任何图表上的缩放工具来放大时间窗口；工具提示会在所有图表中保持对齐。

适用对象 – 在 NVIDIA GPU 上开发笔记本，并希望即时获得硬件利用率视觉反馈，或希望以轻松方式尝试 RAPIDS 加速库的数据科学家、ML 工程师或研究人员。

快速开始 (conda)

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

快速开始 (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'

故障排除 – 确认服务器扩展 (jupyter server extension list) 和前端 labextension (jupyter labextension list) 皆已启用。

此项目是一个真正的 AI 相关工具：它协助开发人员在 JupyterLab 内监控并加速基于 GPU 的数据科学工作负载。