PyTorch, TensorFlow, CUDA 스택이 준비된 GPU 워크스페이스를 실행하고 JupyterLab이나 VS Code, 터미널에서 바로 여세요. 워크스페이스 템플릿을 고르면 몇 분 안에 학습을 시작합니다.
GPU 워크스페이스를 워크스페이스 템플릿으로 저장해 동료에게 건네면 모두가 같은 PyTorch, 같은 CUDA, 같은 패키지에서 시작합니다. conda 환경과 dotfile은 재시작할 때마다 그대로 유지됩니다.
구석에 놓인 공용 GPU를 위한 웹 콘솔입니다. PyTorch나 CUDA 환경을 실행하고 재시작 후에도 유지하며 지금 누가 그 카드를 쓰는지 한눈에 확인하세요.
기본 제공 워크스페이스 템플릿에는 JupyterLab을 갖춘 CUDA / cuDNN 베이스와 CPU 전용 Conda 옵션이 포함됩니다. 나머지는 pip이나 conda로 설치하거나 직접 이미지를 빌드하세요.
워크스페이스는 클릭 한 번으로 실행하고 재시작 후에도 유지하며 연구실 전체에 건넬 수 있는 딥러닝 환경입니다. 공정한 CPU, GPU, 메모리 제한 안에서 동작합니다.
PyTorch, TensorFlow, CUDA 워크스페이스 템플릿을 고르면 추천 설정이 채워진 채로 GPU가 바로 준비됩니다. JupyterLab이나 VS Code, 터미널에서 여세요. 필요할 때는 직접 이미지를 가져오거나 빌드할 수 있습니다.
워크스페이스별 홈 디렉터리가 conda 환경, dotfile, pip 설치, 셸 기록을 중지하고 시작할 때마다 그대로 보관합니다. /work는 재생성 후에도 남고 HF 캐시는 한 번만 내려받습니다.
워크스페이스 템플릿을 동료에게 내보내고 읽기 전용 공유 데이터셋을 마운트하며 직접 만든 Gradio나 Streamlit을 이름 붙인 LabPod 포트로 노출하세요.
사용자에게 GPU 한 대를 통째로 주거나 지원되는 NVIDIA 호스트에서 카드 하나를 메모리와 컴퓨팅 단위로 나눠 여러 명이 동시에 함께 쓰도록 할 수 있습니다.
사용자별 CPU, 메모리, GPU 할당량을 cgroups와 GPU 단위 admission으로 강제합니다. 양심에 맡기는 방식이 아닙니다. 디스크와 이미지 저장 용량도 추적해 보여줍니다. 관리자는 얼마나 줄지 정하고 연구자는 무엇을 실행할지 정합니다.
Linux 계정마다 루트리스 Podman으로 실행합니다. Docker 그룹도, root 동등 권한도 필요 없습니다. 커널 기능(capability) 제거, no-new-privileges, localhost 바인딩을 적용합니다.
LabPod은 공용 워크스테이션 문제를 풉니다. 5~10명 규모의 연구 그룹에는 브라우저 접근, 공정한 리소스 경계, 실제 가시성이 필요하지만, 서버 한 대를 인프라 프로젝트로 만들 필요는 없습니다.
스케줄러나 노트북 플랫폼, 컨테이너 관리 UI보다 일부러 좁게 설계했습니다. 설치 명령 하나, 바이너리 하나, SQLite 파일 하나, 그리고 실제 Linux 사용자가 소유하는 루트리스 Podman 워크스페이스로 이루어집니다.
일상적인 화면은 단순합니다. 연구자에게는 추천 설정과 워크스페이스 만들기 버튼을, 관리자에게는 준비 상태와 조치가 필요한 항목 목록을 보여줍니다. 정확한 리소스 재정의, 환경 변수, 워크스페이스 내부 설정은 사라진 것이 아니라 커스터마이즈, 워크스페이스 관리, 고급 도구 안에 그대로 남아 있습니다.
하드웨어, 이미지, 패키지, 파일, 장시간 실행 작업이 모두 연구실 워크스테이션에 남습니다.
JupyterLab은 런처 중 하나일 뿐입니다. 같은 워크스페이스에서 VS Code, TensorBoard, MLflow, 터미널, 사용자 정의 서비스도 함께 노출할 수 있습니다.
대화형 연구에 대기 큐가 없습니다. 할당량, 실시간 점유 현황, 관리자 강제 중지로 노드 한 대를 조율합니다.
연구자는 원시 컨테이너 기능이 아니라 워크스페이스와 앱을 실행합니다. 관리자는 정책, 모니터링, 감사 제어를 그대로 사용합니다.
먼저 전체 GPU 패스스루로 간단하게 시작하고 연구실이 커지면 분할 공유를 더하세요. 같은 워크스페이스, 다른 경계입니다.
GPU 한 개 이상을 사용자에게 할당하고 잠금으로 중복 예약을 막습니다. 단일 GPU 학습과 다중 GPU DDP 모두 별도 설정 없이 동작합니다.
지원되는 NVIDIA 호스트에서 워크스페이스별로 메모리와 컴퓨팅을 제한해 GPU 하나를 여러 연구자가 함께 씁니다. 하드웨어가 파티셔닝을 지원하면 슬라이스는 완전히 격리됩니다.
쿡북 워크스페이스 템플릿은 첫 실행을 구체적으로 보여줍니다. Hugging Face 노트북, TensorBoard 로그를 남기는 PyTorch 과학 ML, 실험 추적, 코드 편집이 모두 같은 LabPod 세션 안에서 동작합니다.
LabPod 쿡북의 Hugging Face 시작 노트북을 실행하고 모델 가중치는 /work/.hf-cache에 캐시합니다.
PyTorch 과학 ML 쿡북은 학습 곡선을 /work/runs에 기록해 TensorBoard 런처에서 바로 볼 수 있습니다.
쿡북 스타일 스윕을 추적하고 실행 결과를 같은 워크스페이스 안에서 비교하며 LabPod의 보호된 프록시로 노출합니다.
쿡북의 다중 GPU DDP 예제 같은 스크립트를 편집하고 영속 브라우저 터미널에서 실행하세요.
관리자 개요는 연구자를 위한 준비 상태와 먼저 처리할 조치를 맨 앞에 보여주고, 나머지 기능은 사용자, 워크스페이스 템플릿, 시스템 아래에 모아 둡니다.
연구용 이미지에는 셸은 있어도 웹 터미널이 없거나 흔히 쓰는 런처가 아예 없는 경우가 많습니다. LabPod은 최소한의 읽기 전용 런타임을 주입해 브라우저 터미널과 실시간 모니터링이 그냥 동작하도록 합니다.
모든 플랜은 GPU 서버 단위로 라이선스됩니다. 모든 기능을 갖춘 90일 체험판으로 시작하고 준비가 되면 서버에 라이선스를 적용하세요.
서버에서 평가 · 용도 제한 없음
전체 기능, 카드 등록 불필요
개인 · 학술 · 비영리
서버당 연간 청구
감사합니다. Standard 플랜 결제가 열리면 이메일로 알려드리겠습니다.
기업 · 연구 기관 · 영리
서버당 연간 청구
감사합니다. Pro 플랜 결제가 열리면 이메일로 알려드리겠습니다.
Standard는 개인, 학술, 비영리 용도로 라이선스됩니다. 기업, 영리 조직, 연구 기관은 Pro가 필요합니다.
GPU가 더 필요하거나, 서버가 여러 대이거나, 영구 라이선스가 필요하신가요? 문의해 주세요.
멱등 스크립트 하나가 Podman과 LabPod 서비스를 설정합니다. 그다음 연구실 구성원이 로그인해 워크스페이스를 실행합니다.
$ curl -fsSL https://labpod.ai/install.sh | sudo bash