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

{
  "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

# 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

# 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

# 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

# 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

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

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

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

Ollama डिप्लॉय करें

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