Verfügbare Docker-Images

Wenn Sie einen GPU-Server auf Clore.ai mieten, können Sie aus vorkonfigurierten Docker-Images wählen oder Ihr eigenes verwenden.

Vorinstallierte Images

Allgemeiner Zweck

Image	Beschreibung	Enthalten
Ubuntu Jupyter	Sauberes Ubuntu mit Jupyter Notebook	Python, CUDA, Jupyter
PyTorch	Bereit für Deep Learning	PyTorch, CUDA, cuDNN
TensorFlow	Googles ML-Framework	TensorFlow, CUDA, Keras

AI/ML Speziell

Image	Beschreibung	Anwendungsfall
Stable Diffusion WebUI	AUTOMATIC1111 WebUI	Bildgenerierung
ComfyUI	Knotenbasierte SD-Schnittstelle	Erweiterte Bild-Workflows
Text-Generierungs-WebUI	Oobaboogas Schnittstelle	LLM Inferenz
Ollama	LLMs lokal ausführen	LLM-Bereitstellung
vLLM	Hochleistungs-LLM-Serving	Produktions-LLM

Mining

Image	Beschreibung
Clore Mining	Vorkonfiguriert für Mining
HiveOS-kompatibel	Für HiveOS-Integration

Auswahl eines Images

1. Gehen Sie zu Marktplatz

2. Einen Server finden

3. Klicken Sie Mieten

4. Wählen Sie im Bestellformular Docker-Image aus dem Dropdown

5. Konfigurieren Sie bei Bedarf Ports

6. Bestellung absenden

Verwendung benutzerdefinierter Docker-Images

Sie können jedes öffentliche Docker-Image von Docker Hub oder anderen Registries angeben.

Format

registry/image:tag

Beispiele

pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime
nvidia/cuda:12.2.0-base-ubuntu22.04
huggingface/transformers-pytorch-gpu:latest

Anforderungen für benutzerdefinierte Images

• Muss öffentlich zugänglich sein (oder Authentifizierung verwenden)

• Sollte NVIDIA-GPU-kompatibel sein

• Auf CUDA-fähigen Images basieren für GPU-Zugriff

Port-Konfiguration

Beim Erstellen einer Bestellung können Sie Ports für Ihre Anwendungen freigeben:

Port	Übliche Verwendung
22	SSH (meist vorab konfiguriert)
8888	Jupyter Notebook
7860	Gradio-Apps (SD WebUI usw.)
3000	Webanwendungen
8080	HTTP-Dienste

Festlegen benutzerdefinierter Ports

Geben Sie im Bestellformular die freizugebenden Ports an:

8888,7860,3000

Umgebungsvariablen

Sie können Umgebungsvariablen an Ihren Container übergeben:

HF_TOKEN=Ihr_Token
MODEL_NAME=llama-7b

Persistenter Speicher

• Daten in /workspace sind typischerweise während der Miete persistent

• Andere Verzeichnisse können beim Neustart des Containers zurückgesetzt werden

• Sichern Sie wichtige Daten immer extern

Best Practices

1. Wählen Sie ein geeignetes Image - Verwenden Sie nach Möglichkeit vorkonfigurierte Images

2. Überprüfen Sie die CUDA-Version - Stellen Sie die Kompatibilität mit Ihrer Arbeitslast sicher

3. Öffnen Sie nur benötigte Ports - Aus Sicherheitsgründen

4. Verwenden Sie Umgebungsvariablen - Für Konfiguration, nicht für Geheimnisse

5. Zuerst lokal testen - Verifizieren Sie, dass Ihr benutzerdefiniertes Image funktioniert, bevor Sie mieten

Fehlerbehebung

Image startet nicht

• Prüfen Sie, ob das Image existiert und öffentlich ist

• Überprüfen Sie CUDA-/GPU-Kompatibilität

• Prüfen Sie die Container-Logs über SSH

GPU im Container nicht zugänglich

• Stellen Sie sicher, dass das Image NVIDIA-kompatibel ist

• Überprüfen Sie NVIDIA-Treiber: nvidia-smi

• Überprüfen Sie die CUDA-Installation: nvcc --version

Kann nicht auf freigegebene Ports zugreifen

• Warten Sie, bis der Container vollständig gestartet ist

• Prüfen Sie, ob der Dienst im Container läuft

• Überprüfen Sie Firewall-/Sicherheitseinstellungen