GPU-Jupyter：借助NVIDIA GPU功能增强JupyterLab的灵活性，在GPU上协同运行TensorFlow等库的笔记本环境。

简介：
GPU-Jupyter项目旨在通过集成NVIDIA GPU技术来优化JupyterLab的工作流程，支持在GPU硬件加速环境下高效协作处理如TensorFlow等计算密集型库的任务。 GPU Jupyter利用NVIDIA GPU的功能来支持Jupyter笔记本电脑，并在协作环境中使用Tensorflow和Pytorch进行GPU计算。首先感谢为数据分析与科学应用创建并维护了强大的Python、R和Julia工具栈的开发者们。该项目基于NVIDIA CUDA镜像构建，安装其工具堆栈以启用Jupyter笔记本中的GPU加速功能。 开始前需要一台配备NVIDIA GPU的计算机，并且需安装1.10.0+版本的Docker以及1.28.0+版本的相关软件包。通过在Docker容器中使用CUDA驱动程序来访问您的GPU，如果运行命令`docker run --gpus all nvidia/cuda:11.0.3-cudnn8-runtime-ubuntu20.04 nvidia-smi`后得到类似的结果，则说明您可以在Docker环境中成功访问到GPU。