> 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-ru/dlya-arendatorov/docker-images.md).

# Доступные Docker-образы

При аренде GPU-сервера на Clore.ai вы можете выбрать из предварительно настроенных Docker-образов или использовать свои собственные образы.

## Официальные образы Clore

Готовые образы, поддерживаемые Clore.ai и оптимизированные для децентрализованного рынка GPU.

### Общее назначение

| Docker-образ                              | Описание                                                   | Порты    | Обновлено    |
| ----------------------------------------- | ---------------------------------------------------------- | -------- | ------------ |
| `cloreai/jupyter:ubuntu24.04-v2`          | Jupyter Lab + SSH на Ubuntu 24.04                          | 22, 8888 | Янв. 2025 ✅  |
| `cloreai/ml-tools:0.1`                    | Jupyter Lab + веб-сервер VS Code                           | 22, 8888 | Июл. 2023 ⚠️ |
| `cloreai/ubuntu20.04-jupyter:latest`      | Ubuntu 20.04 + SSH + Jupyter                               | 22, 8888 | Ноя. 2022 ⚠️ |
| `cloreai/ubuntu-20.04-remote-desktop:1.2` | Ubuntu с графическим интерфейсом удалённого рабочего стола | 22, 3389 | Май 2023 ⚠️  |
| `cloreai/torch:2.0.1`                     | PyTorch 2.0.1 + CUDA                                       | 22       | Июл. 2023 ⚠️ |

### AI/ML-инференс

| Docker-образ                            | Описание                          | Порты | Обновлено    |
| --------------------------------------- | --------------------------------- | ----- | ------------ |
| `cloreai/deepseek-r1-8b:latest`         | DeepSeek R1 8B, готовый к запуску | 8000  | Янв. 2025 ✅  |
| `cloreai/stable-diffusion-webui:latest` | AUTOMATIC1111 SD WebUI            | 7860  | Сен. 2023 ⚠️ |
| `cloreai/oobabooga:1.5`                 | Text Generation WebUI             | 7860  | Авг. 2023 ⚠️ |

### Инфраструктура и майнинг

| Docker-образ                | Описание                           | Обновлено    |
| --------------------------- | ---------------------------------- | ------------ |
| `cloreai/monitoring:0.7`    | Агент мониторинга сервера          | Сен. 2024 ✅  |
| `cloreai/hiveos:0.4`        | Интеграция HiveOS                  | Фев. 2025 ✅  |
| `cloreai/openvpn-proxy:0.2` | Переадресация VPN/прокси           | Фев. 2025 ✅  |
| `cloreai/proxy:0.2`         | Система переадресации портов       | Янв. 2024    |
| `cloreai/automining:0.1`    | Автоматическая настройка майнинга  | Июн. 2023 ⚠️ |
| `cloreai/kuzco:latest`      | Распределённый инференс Kuzco      | Июн. 2025 ✅  |
| `cloreai/partner:nastya-01` | Инструменты партнёрской интеграции | Апр. 2025 ✅  |

> ⚠️ Образы, отмеченные ⚠️, не обновлялись более года. Для ML-нагрузок рассмотрите использование **образы сообщества** ниже, которые предлагают более новые версии CUDA и фреймворков.

## Рекомендуемые образы сообщества

Проверенные в бою образы от более широкого сообщества AI/ML с активной поддержкой и недавними версиями.

### Фреймворки глубокого обучения

| Образ                   | Тег                              | Описание                      | Сценарий использования               | Порты              |
| ----------------------- | -------------------------------- | ----------------------------- | ------------------------------------ | ------------------ |
| `pytorch/pytorch`       | `2.10.0-cuda13.0-cudnn9-runtime` | Последний PyTorch с CUDA 13.0 | Обучение/инференс глубокого обучения | 8888 (Jupyter)     |
| `nvidia/cuda`           | `13.1.1-runtime-ubuntu22.04`     | Среда выполнения NVIDIA CUDA  | Пользовательские CUDA-приложения     | -                  |
| `nvidia/cuda`           | `13.1.1-devel-ubuntu22.04`       | Инструменты разработки CUDA   | Сборка проектов CUDA                 | -                  |
| `tensorflow/tensorflow` | `2.15.0-gpu`                     | Поддержка GPU в TensorFlow    | Рабочие процессы TensorFlow          | 8888 (TensorBoard) |

### Движки инференса LLM

| Образ                                           | Тег      | Описание                                | Сценарий использования                  | Порты |
| ----------------------------------------------- | -------- | --------------------------------------- | --------------------------------------- | ----- |
| `vllm/vllm-openai`                              | `latest` | Высокопроизводительное обслуживание LLM | Продакшн API для LLM                    | 8000  |
| `ghcr.io/huggingface/text-generation-inference` | `3.3.5`  | Hugging Face TGI                        | Корпоративное обслуживание LLM          | 80    |
| `ollama/ollama`                                 | `latest` | Локальный запуск LLM                    | Локальное/пограничное развёртывание LLM | 11434 |

### Генерация изображений

| Образ                             | Тег      | Описание                       | Сценарий использования                       | Порты |
| --------------------------------- | -------- | ------------------------------ | -------------------------------------------- | ----- |
| `goolashe/automatic1111-sd-webui` | `latest` | Stable Diffusion WebUI         | Генерация AI-арта                            | 7860  |
| `sinfallas/comfyui`               | `latest` | ComfyUI на основе узлов для SD | Продвинутые рабочие процессы для изображений | 8188  |

### Среды разработки

| Образ                         | Тег                            | Описание                 | Сценарий использования                    | Порты |
| ----------------------------- | ------------------------------ | ------------------------ | ----------------------------------------- | ----- |
| `jupyter/tensorflow-notebook` | `latest`                       | Jupyter + TensorFlow     | Эксперименты с ML                         | 8888  |
| `jupyter/pytorch-notebook`    | `latest`                       | Jupyter + PyTorch        | Исследования в области глубокого обучения | 8888  |
| `cschranz/gpu-jupyter`        | `v1.10_cuda-12.9_ubuntu-24.04` | Jupyter с поддержкой GPU | Вычисления на GPU                         | 8888  |

## Выбор образа

### Через веб-интерфейс

1. Перейдите в **Marketplace** → Найдите сервер → **Арендовать**
2. В форме заказа выберите **Docker-образ** из выпадающего списка
3. Выберите один из преднастроенных вариантов или введите собственный образ
4. Настройте открываемые порты (через запятую: `8888,7860,8000`)
5. При необходимости добавьте переменные окружения
6. Отправьте заказ

### Через API

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

## Пользовательские Docker-образы

### Поддерживаемые реестры

* **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`

### Примеры

```bash
# Последний PyTorch с CUDA 12.1
pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime

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

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

# Пользовательский образ
your-username/my-ai-model:v1.0
```

### Требования к пользовательским образам

* ✅ Должны быть общедоступными
* ✅ Должны включать поддержку NVIDIA GPU для GPU-инстансов
* ✅ Основываться на образах с поддержкой CUDA для ускорения на GPU
* ✅ Включать необходимые драйверы и библиотеки
* ⚠️ Большие образы (>10GB) могут загружаться дольше

## Настройка портов

Откройте порты для ваших приложений, чтобы сделать их доступными извне:

| Порт  | Типичное использование | Фреймворк                   |
| ----- | ---------------------- | --------------------------- |
| 22    | SSH-доступ             | Система                     |
| 8888  | Jupyter Notebook/Lab   | Jupyter                     |
| 7860  | Интерфейсы Gradio      | SD WebUI, приложения Gradio |
| 8000  | API-серверы            | vLLM, FastAPI               |
| 3000  | Веб-приложения         | React, Node.js              |
| 8080  | HTTP-сервисы           | Общие веб-сервисы           |
| 11434 | API Ollama             | Ollama                      |
| 8188  | Интерфейс ComfyUI      | ComfyUI                     |

### Настройка портов в форме заказа

```
8888,7860,8000
```

## Переменные окружения

Передавайте конфигурацию в ваши контейнеры:

### Распространённые примеры

```bash
# Токен Hugging Face
HF_TOKEN=hf_your_token_here

# Конфигурация модели
MODEL_NAME=meta-llama/Llama-2-7b-chat-hf
CUDA_VISIBLE_DEVICES=0

# Конфигурация Jupyter
JUPYTER_ENABLE_LAB=yes
JUPYTER_TOKEN=your_secure_token

# Конфигурация vLLM
VLLM_WORKER_MULTIPROC_METHOD=spawn
```

### Примечания по безопасности

* ❌ Не помещайте секреты в переменные окружения
* ✅ Используйте временные токены или API-ключи
* ✅ По возможности монтируйте секреты как тома

## Постоянное хранилище

### Расположение хранилищ

* `/workspace` - Обычно сохраняется на протяжении периода аренды
* `/root` - Может быть сброшено при перезапуске контейнера
* `/tmp` - Временное хранилище, не является постоянным

### Рекомендации

* Храните важные данные в `/workspace`
* Используйте внешнее хранилище для резервных копий (S3, GCS и т. д.)
* Скачивайте модели в постоянные каталоги
* Используйте монтирование томов для больших наборов данных

## Рекомендации

### Выбор образа

1. **Используйте недавние теги** - Избегайте `latest` в продакшене, предпочитайте версионные теги
2. **Выбирайте подходящую базу** - Сопоставьте версию CUDA с вашим фреймворком
3. **Учитывайте размер образа** - Меньшие образы загружаются быстрее
4. **Проверяйте поддержку** - Предпочитайте образы с активной поддержкой

### Безопасность

1. **Открывайте минимальное количество портов** - Открывайте только те порты, которые вам нужны
2. **Используйте аутентификацию** - Установите токены для Jupyter/веб-интерфейсов
3. **Обновляйте регулярно** - Используйте недавние версии образов
4. **Контролируйте доступ** - Проверяйте, кто подключается к вашим сервисам

### Производительность

1. **Совместимость с GPU** - Убедитесь, что версия CUDA соответствует вашим требованиям
2. **Заранее загружайте модели** - Включайте модели в пользовательские образы для более быстрого запуска
3. **Оптимизируйте контейнеры** - Используйте многоэтапные сборки, минимизируйте количество слоёв
4. **Управление кэшем** - Используйте кэширование слоёв Docker

## Устранение неполадок

### Образ не запускается

```bash
# Проверьте, существует ли образ и является ли он общедоступным
docker pull your-image:tag

# Проверьте совместимость с CUDA
nvidia-smi
nvcc --version
```

**Распространённые проблемы:**

* Образ не существует или является приватным
* Несовместимая версия CUDA
* Недостаточно места на диске
* Неверная архитектура (arm64 vs x86\_64)

### GPU недоступен

```bash
# Проверьте доступность GPU
nvidia-smi

# Проверьте CUDA в контейнере
python -c "import torch; print(torch.cuda.is_available())"
```

**Решения:**

* Используйте базовые образы, совместимые с GPU
* Убедитесь, что NVIDIA Container Toolkit доступен
* Проверьте совместимость драйвера CUDA

### Не удаётся получить доступ к открытым портам

1. Дождитесь полного запуска контейнера (проверьте логи)
2. Проверьте, что служба запущена внутри контейнера: `netstat -tlnp`
3. Проверьте, что служба привязана к 0.0.0.0, а не к 127.0.0.1
4. Подтвердите, что порт открыт в форме заказа

### Проблемы с производительностью

* Используйте локальное SSD-хранилище для весов модели
* Оптимизируйте размеры батчей под доступную память GPU
* Следите за загрузкой GPU: `nvidia-smi -l 1`
* Следите за использованием CPU/памяти: `htop`

## Примеры быстрого запуска

### Развернуть Jupyter с PyTorch

```bash
Образ: pytorch/pytorch:2.10.0-cuda13.0-cudnn9-runtime
Порты: 8888
Команда: jupyter lab --ip=0.0.0.0 --allow-root --no-browser
```

### Развернуть API-сервер vLLM

```bash
Образ: vllm/vllm-openai:latest
Порты: 8000
Переменные окружения: MODEL_NAME=microsoft/DialoGPT-medium
Команда: python -m vllm.entrypoints.openai.api_server --model $MODEL_NAME --host 0.0.0.0
```

### Развернуть Stable Diffusion WebUI

```bash
Образ: goolashe/automatic1111-sd-webui:latest
Порты: 7860
Команда: --listen --api --xformers
```

### Развернуть Ollama

```bash
Образ: ollama/ollama:latest
Порты: 11434
Команда: ollama serve
# Затем: ollama run llama2 (внутри контейнера)
```


---

# 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-ru/dlya-arendatorov/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.