> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/clore.ai/clore.ai-eng-hi/for-renters/docker-images.md).

# उपलब्ध Docker इमेज

Clore.ai पर GPU सर्वर किराए पर लेते समय, आप पहले से कॉन्फ़िगर की गई Docker इमेजों में से चुन सकते हैं या अपनी कस्टम इमेजें उपयोग कर सकते हैं।

## Clore की आधिकारिक इमेजें

Clore.ai द्वारा अनुरक्षित पूर्व-निर्मित इमेजें, विकेंद्रीकृत GPU मार्केटप्लेस के लिए अनुकूलित।

### सामान्य उद्देश्य

| Docker इमेज                               | विवरण                             | पोर्ट्स  | अपडेटेड     |
| ----------------------------------------- | --------------------------------- | -------- | ----------- |
| `cloreai/jupyter:ubuntu24.04-v2`          | Ubuntu 24.04 पर Jupyter Lab + SSH | 22, 8888 | जन 2025 ✅   |
| `cloreai/ml-tools:0.1`                    | Jupyter Lab + VS Code वेब सर्वर   | 22, 8888 | जुल 2023 ⚠️ |
| `cloreai/ubuntu20.04-jupyter:latest`      | Ubuntu 20.04 + SSH + Jupyter      | 22, 8888 | नव 2022 ⚠️  |
| `cloreai/ubuntu-20.04-remote-desktop:1.2` | रिमोट डेस्कटॉप GUI के साथ Ubuntu  | 22, 3389 | मई 2023 ⚠️  |
| `cloreai/torch:2.0.1`                     | PyTorch 2.0.1 + CUDA              | 22       | जुल 2023 ⚠️ |

### AI/ML इन्फ़रेंस

| Docker इमेज                             | विवरण                             | पोर्ट्स | अपडेटेड     |
| --------------------------------------- | --------------------------------- | ------- | ----------- |
| `cloreai/deepseek-r1-8b:latest`         | चलाने के लिए तैयार DeepSeek R1 8B | 8000    | जन 2025 ✅   |
| `cloreai/stable-diffusion-webui:latest` | AUTOMATIC1111 SD WebUI            | 7860    | सित 2023 ⚠️ |
| `cloreai/oobabooga:1.5`                 | Text Generation WebUI             | 7860    | अग 2023 ⚠️  |

### इन्फ्रास्ट्रक्चर और माइनिंग

| Docker इमेज                 | विवरण                    | अपडेटेड     |
| --------------------------- | ------------------------ | ----------- |
| `cloreai/monitoring:0.7`    | सर्वर मॉनिटरिंग एजेंट    | सित 2024 ✅  |
| `cloreai/hiveos:0.4`        | HiveOS एकीकरण            | फर 2025 ✅   |
| `cloreai/openvpn-proxy:0.2` | VPN/प्रॉक्सी फ़ॉरवर्डिंग | फर 2025 ✅   |
| `cloreai/proxy:0.2`         | पोर्ट फ़ॉरवर्डिंग सिस्टम | जन 2024     |
| `cloreai/automining:0.1`    | ऑटो माइनिंग सेटअप        | जून 2023 ⚠️ |
| `cloreai/kuzco:latest`      | Kuzco वितरित इन्फ़रेंस   | जून 2025 ✅  |
| `cloreai/partner:nastya-01` | पार्टनर एकीकरण टूल्स     | अप्र 2025 ✅ |

> ⚠️ ⚠️ से चिह्नित इमेजें एक वर्ष से अधिक समय से अपडेट नहीं की गई हैं। ML वर्कलोड्स के लिए, नीचे दी गई **समुदाय इमेजें** का उपयोग करने पर विचार करें, जो नए CUDA और फ़्रेमवर्क संस्करण प्रदान करती हैं।

## अनुशंसित समुदाय इमेजें

व्यापक AI/ML समुदाय की आज़माई-परखी इमेजें, सक्रिय रखरखाव और हालिया संस्करणों के साथ।

### डीप लर्निंग फ़्रेमवर्क

| इमेज                    | टैग                              | विवरण                           | उपयोग का मामला                  | पोर्ट्स            |
| ----------------------- | -------------------------------- | ------------------------------- | ------------------------------- | ------------------ |
| `pytorch/pytorch`       | `2.10.0-cuda13.0-cudnn9-runtime` | CUDA 13.0 के साथ नवीनतम PyTorch | डीप लर्निंग प्रशिक्षण/इन्फ़रेंस | 8888 (Jupyter)     |
| `nvidia/cuda`           | `13.1.1-runtime-ubuntu22.04`     | NVIDIA CUDA runtime             | कस्टम CUDA एप्लिकेशन            | -                  |
| `nvidia/cuda`           | `13.1.1-devel-ubuntu22.04`       | CUDA डेवलपमेंट टूल्स            | CUDA प्रोजेक्ट्स बनाना          | -                  |
| `tensorflow/tensorflow` | `2.15.0-gpu`                     | TensorFlow GPU सपोर्ट           | TensorFlow वर्कफ़्लोज़          | 8888 (TensorBoard) |

### LLM इन्फ़रेंस इंजन

| इमेज                                            | टैग      | विवरण                     | उपयोग का मामला          | पोर्ट्स |
| ----------------------------------------------- | -------- | ------------------------- | ----------------------- | ------- |
| `vllm/vllm-openai`                              | `latest` | उच्च-प्रदर्शन LLM सर्विंग | प्रोडक्शन LLM API       | 8000    |
| `ghcr.io/huggingface/text-generation-inference` | `3.3.5`  | Hugging Face TGI          | एंटरप्राइज़ LLM सर्विंग | 80      |
| `ollama/ollama`                                 | `latest` | लोकल LLM रनर              | लोकल/एज LLM डिप्लॉयमेंट | 11434   |

### इमेज जनरेशन

| इमेज                              | टैग      | विवरण                  | उपयोग का मामला         | पोर्ट्स |
| --------------------------------- | -------- | ---------------------- | ---------------------- | ------- |
| `goolashe/automatic1111-sd-webui` | `latest` | Stable Diffusion WebUI | AI आर्ट जनरेशन         | 7860    |
| `sinfallas/comfyui`               | `latest` | ComfyUI नोड-आधारित SD  | उन्नत इमेज वर्कफ़्लोज़ | 8188    |

### डेवलपमेंट वातावरण

| इमेज                          | टैग                            | विवरण                | उपयोग का मामला       | पोर्ट्स |
| ----------------------------- | ------------------------------ | -------------------- | -------------------- | ------- |
| `jupyter/tensorflow-notebook` | `latest`                       | Jupyter + TensorFlow | ML प्रयोग            | 8888    |
| `jupyter/pytorch-notebook`    | `latest`                       | Jupyter + PyTorch    | डीप लर्निंग अनुसंधान | 8888    |
| `cschranz/gpu-jupyter`        | `v1.10_cuda-12.9_ubuntu-24.04` | GPU-सक्षम Jupyter    | GPU कंप्यूटिंग       | 8888    |

## इमेज चुनना

### वेब इंटरफ़ेस के माध्यम से

1. पर जाएँ **मार्केटप्लेस** → सर्वर खोजें → **रेंट**
2. ऑर्डर फ़ॉर्म में, चुनें **Docker इमेज** ड्रॉपडाउन से
3. पहले से कॉन्फ़िगर किए गए विकल्पों में से चुनें या कस्टम इमेज दर्ज करें
4. एक्सपोज़ किए गए पोर्ट्स कॉन्फ़िगर करें (कॉमा से अलग: `8888,7860,8000`)
5. ज़रूरत हो तो पर्यावरण चर जोड़ें
6. ऑर्डर सबमिट करें

### API के माध्यम से

```json
{
  "image": "pytorch/pytorch:2.10.0-cuda13.0-cudnn9-runtime",
  "ports": [8888, 8000],
  "env": {
    "JUPYTER_ENABLE_LAB": "yes"
  }
}
```

## कस्टम Docker इमेजें

### समर्थित रजिस्ट्रीज़

* **Docker Hub**: `username/image:tag`
* **GitHub Container Registry**: `ghcr.io/user/image:tag`
* **NVIDIA NGC**: `nvcr.io/nvidia/image:tag`
* **Google Container Registry**: `gcr.io/project/image:tag`

### उदाहरण

```bash
# CUDA 12.1 के साथ नवीनतम PyTorch
pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime

# NVIDIA CUDA बेस
nvidia/cuda:12.2.0-base-ubuntu22.04

# Hugging Face Transformers
huggingface/transformers-pytorch-gpu:4.35.0

# कस्टम इमेज
your-username/my-ai-model:v1.0
```

### कस्टम इमेजों के लिए आवश्यकताएँ

* ✅ सार्वजनिक रूप से सुलभ होना चाहिए
* ✅ GPU इंस्टेंस के लिए NVIDIA GPU सपोर्ट शामिल होना चाहिए
* ✅ GPU त्वरण के लिए CUDA-सक्षम इमेजों पर आधारित होना चाहिए
* ✅ आवश्यक ड्राइवर और लाइब्रेरी शामिल होने चाहिए
* ⚠️ बड़ी इमेजें (>10GB) डाउनलोड होने में अधिक समय ले सकती हैं

## पोर्ट कॉन्फ़िगरेशन

अपने एप्लिकेशनों को बाहर से सुलभ बनाने के लिए पोर्ट्स एक्सपोज़ करें:

| पोर्ट | सामान्य उपयोग        | फ़्रेमवर्क            |
| ----- | -------------------- | --------------------- |
| 22    | SSH एक्सेस           | सिस्टम                |
| 8888  | Jupyter Notebook/Lab | Jupyter               |
| 7860  | Gradio इंटरफ़ेस      | SD WebUI, Gradio ऐप्स |
| 8000  | API सर्वर            | vLLM, FastAPI         |
| 3000  | वेब एप्लिकेशन        | React, Node.js        |
| 8080  | HTTP सेवाएँ          | सामान्य वेब सेवाएँ    |
| 11434 | Ollama API           | Ollama                |
| 8188  | ComfyUI इंटरफ़ेस     | ComfyUI               |

### ऑर्डर फ़ॉर्म में पोर्ट्स सेट करना

```
8888,7860,8000
```

## पर्यावरण चर

अपने कंटेनरों में कॉन्फ़िगरेशन पास करें:

### सामान्य उदाहरण

```bash
# Hugging Face टोकन
HF_TOKEN=hf_your_token_here

# मॉडल कॉन्फ़िगरेशन
MODEL_NAME=meta-llama/Llama-2-7b-chat-hf
CUDA_VISIBLE_DEVICES=0

# Jupyter कॉन्फ़िगरेशन
JUPYTER_ENABLE_LAB=yes
JUPYTER_TOKEN=your_secure_token

# vLLM कॉन्फ़िगरेशन
VLLM_WORKER_MULTIPROC_METHOD=spawn
```

### सुरक्षा नोट्स

* ❌ पर्यावरण चर में secrets न रखें
* ✅ अस्थायी टोकन या API keys का उपयोग करें
* ✅ संभव हो तो secrets को volumes के रूप में mount करें

## स्थायी स्टोरेज

### स्टोरेज स्थान

* `/workspace` - आम तौर पर किराये की अवधि के दौरान स्थायी रहता है
* `/root` - कंटेनर रीस्टार्ट पर रीसेट हो सकता है
* `/tmp` - अस्थायी स्टोरेज, स्थायी नहीं

### सर्वोत्तम अभ्यास

* महत्वपूर्ण डेटा यहाँ संग्रहीत करें `/workspace`
* बैकअप के लिए बाहरी स्टोरेज का उपयोग करें (S3, GCS, आदि)
* मॉडल्स को स्थायी डायरेक्टरीज़ में डाउनलोड करें
* बड़े डेटासेट्स के लिए वॉल्यूम माउंट्स का उपयोग करें

## सर्वोत्तम अभ्यास

### इमेज चयन

1. **हालिया टैग्स का उपयोग करें** - से बचें `latest` प्रोडक्शन में, संस्करणित टैग्स को प्राथमिकता दें
2. **उपयुक्त बेस चुनें** - CUDA संस्करण को अपने फ़्रेमवर्क से मिलाएँ
3. **इमेज का आकार ध्यान में रखें** - छोटी इमेजें तेज़ी से डाउनलोड होती हैं
4. **रखरखाव जाँचें** - सक्रिय रूप से अनुरक्षित इमेजों को प्राथमिकता दें

### सुरक्षा

1. **न्यूनतम पोर्ट्स एक्सपोज़ करें** - केवल वही पोर्ट्स एक्सपोज़ करें जिनकी आपको ज़रूरत है
2. **प्रमाणीकरण का उपयोग करें** - Jupyter/वेब इंटरफ़ेस के लिए टोकन सेट करें
3. **नियमित रूप से अपडेट करें** - हालिया इमेज संस्करणों का उपयोग करें
4. **एक्सेस की निगरानी करें** - जाँचें कि आपके सेवाओं से कौन जुड़ रहा है

### प्रदर्शन

1. **GPU संगतता** - सत्यापित करें कि CUDA संस्करण आपकी ज़रूरतों से मेल खाता है
2. **मॉडल्स पहले से डाउनलोड करें** - तेज़ स्टार्टअप के लिए कस्टम इमेजों में मॉडल शामिल करें
3. **कंटेनर ऑप्टिमाइज़ करें** - मल्टी-स्टेज बिल्ड का उपयोग करें, लेयर्स कम करें
4. **कैश प्रबंधन** - Docker लेयर कैशिंग का लाभ उठाएँ

## समस्या निवारण

### इमेज शुरू नहीं होगी

```bash
# जाँचें कि इमेज मौजूद है और सार्वजनिक है
docker pull your-image:tag

# CUDA संगतता सत्यापित करें
nvidia-smi
nvcc --version
```

**सामान्य समस्याएँ:**

* इमेज मौजूद नहीं है या निजी है
* असंगत CUDA संस्करण
* पर्याप्त डिस्क स्थान नहीं
* गलत आर्किटेक्चर (arm64 बनाम x86\_64)

### GPU सुलभ नहीं है

```bash
# GPU उपलब्धता जाँचें
nvidia-smi

# कंटेनर में CUDA परीक्षण करें
python -c "import torch; print(torch.cuda.is_available())"
```

**समाधान:**

* GPU-संगत बेस इमेजों का उपयोग करें
* सुनिश्चित करें कि NVIDIA Container Toolkit उपलब्ध है
* CUDA ड्राइवर संगतता जाँचें

### एक्सपोज़ किए गए पोर्ट्स तक पहुँच नहीं

1. कंटेनर के पूरी तरह शुरू होने तक प्रतीक्षा करें (लॉग्स जाँचें)
2. सत्यापित करें कि सेवा कंटेनर के अंदर चल रही है: `netstat -tlnp`
3. जाँचें कि सेवा 127.0.0.1 के बजाय 0.0.0.0 पर बाइंड हो रही है
4. सुनिश्चित करें कि पोर्ट ऑर्डर फ़ॉर्म में एक्सपोज़ किया गया है

### प्रदर्शन समस्याएँ

* मॉडल वेट्स के लिए लोकल SSD स्टोरेज का उपयोग करें
* उपलब्ध GPU मेमोरी के अनुसार बैच आकार अनुकूलित करें
* GPU उपयोग की निगरानी करें: `nvidia-smi -l 1`
* CPU/मेमोरी उपयोग जाँचें: `htop`

## त्वरित शुरुआत उदाहरण

### PyTorch के साथ Jupyter डिप्लॉय करें

```bash
इमेज: pytorch/pytorch:2.10.0-cuda13.0-cudnn9-runtime
पोर्ट्स: 8888
कमांड: jupyter lab --ip=0.0.0.0 --allow-root --no-browser
```

### vLLM API सर्वर डिप्लॉय करें

```bash
इमेज: vllm/vllm-openai:latest
पोर्ट्स: 8000
पर्यावरण: MODEL_NAME=microsoft/DialoGPT-medium
कमांड: python -m vllm.entrypoints.openai.api_server --model $MODEL_NAME --host 0.0.0.0
```

### Stable Diffusion WebUI डिप्लॉय करें

```bash
इमेज: goolashe/automatic1111-sd-webui:latest
पोर्ट्स: 7860
कमांड: --listen --api --xformers
```

### Ollama डिप्लॉय करें

```bash
इमेज: ollama/ollama:latest
पोर्ट्स: 11434
कमांड: ollama serve
# फिर: ollama run llama2 (कंटेनर के अंदर)
```


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/clore.ai/clore.ai-eng-hi/for-renters/docker-images.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.