ReproNim/neurodocker

Generate custom Docker and Singularity images, and minimize existing containers

解決的問題

Neurodocker 解決了建立可重現的神經影像軟體環境的困難。它簡化了產生自訂 Dockerfile 和 Singularity 設定檔的過程，確保複雜的神經影像工具能在不同系統上一致執行。

工作原理

它是一個命令列程式，允許使用者指定其神經影像軟體的需求，然後自動產生必要的容器設定檔（Dockerfile 或 Singularity 設定檔）。此外，也可用於壓縮現有的容器以減少其大小。

適用對象

需要為資料分析流程建立、分享和部署可重現軟體環境的神經影像領域研究人員與開發者。

主要特色

  • 為神經影像軟體產生自訂 Dockerfile 和 Singularity 設定檔。
  • 壓縮現有容器以降低儲存與分發成本。
  • 支援廣泛的神經影像軟體套件。
  • 可透過 pip 安裝為命令列工具，或作為預先建置的 Docker 影像使用。

相關

  • 專案
    nipy/nipype

    一個 Python 專案，提供神經影像軟體的統一介面，讓使用者能將不同套件的工具整合成單一、可重現的工作流程。

  • 專案
    dusty-nv/jetson-containers

    jetson‑containers 是一個模組化 Docker 基礎的建構系統，為 NVIDIA Jetson 邊緣裝置提供即用的、CUDA 相容的 AI/ML、機器人與模擬套件。您可以選擇框架（PyTorch、TensorFlow、LLM 工具包、ROS 等），透過單一指令建構一個容器，並使用 NVIDIA 執行時預設設定執行。非常適合需要在 Jetson 硬體上建構可重現、高效率 AI 環境的開發者與研究人員。

  • 專案
    chaiNNer-org/chaiNNer

    用於程式化圖像處理與 AI 放大之基於節點的 GUI，允許使用者透過視覺化介面建構可自訂的處理流水線。

  • 專案
    replicate/cog

    一個將機器學習模型打包成生產級 Docker 容器並自動生成 HTTP 推理伺服器的開源工具。

  • 專案
    iot-salzburg/gpu-jupyter

    GPU‑Jupyter 提供基於 Docker 的 GPU 支援 JupyterLab 環境，預安裝 Python、PyTorch、TensorFlow、Julia 和 R。支援版本映像、易於自訂與 Docker‑Compose，可在任何配備 NVIDIA GPU 的機器上實現可重現的深度學習實驗。