Доступные образы Docker

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

{
  "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

# 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

# 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

# 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

# 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

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

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

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

Развернуть Ollama

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