コンテンツにスキップ
Grafilab Docs

Compute

JupyterLab

このテンプレートを起動すると、インスタンス URL で JupyterLab サーバーが待っています。CUDA と PyTorch は導入済みで、最初のセルから GPU が見えます。

手に入るもの

Section titled “手に入るもの”

イメージは grafilab/jupyterlab:2026-06-09 です。Jupyter プロジェクト自身の quay.io/jupyter/pytorch-notebook:cuda12-latest をベースに、プラットフォームの SSH プロビジョニングが動くよう root で実行するよう調整しています。

  • ポート 80 の JupyterLab。https://<your-slug>.instance.grafilab.ai で公開されます。
  • CUDA 付きの PyTorch と、上流のノートブックイメージが持つ一般的な科学計算 Python スタック。
  • 同じコンテナへの SSH 経由の root シェル。ノートブックのインターフェースでは扱いにくい作業に使えます。

探索的な作業向けです。モデルを試す、データセットを整える、セルごとに見守りたいファインチューニングを回す、といった用途に向いています。長時間の無人学習には、tmux と組み合わせた PyTorch + CUDA のほうが適した形です。

起動する

Section titled “起動する”

インスタンスをデプロイし、ステップ 2 の Template Selection で JupyterLab を選びます。GPU カードはどれでも動きます。読み込むモデルに合わせて VRAM を選んでください。詳しい手順は GPU インスタンスをデプロイする にあります。

ノートブックを開く

Section titled “ノートブックを開く”

  1. コンソールで My Instance を開き、カードが Active になるまで待ちます。

  2. https://<your-slug>.instance.grafilab.ai を開きます。スラグはインスタンスカードに表示される 3 単語の名前です。

  3. ランチャーで Python 3 のノートブックタイルをクリックします。空のノートブックが開きます。

GPU を確認する

Section titled “GPU を確認する”

最初のセルで次を実行します。

import torch


print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

True と、レンタルしたカードの名前が表示されるはずです。ドライバ側から見た状態は、セルからシェルコマンドを実行して確認します。

!nvidia-smi

torch.cuda.is_available() が False を返す場合は、CPU のみのノードではなく GPU ノードをレンタルしたか確認し、インスタンスカードに GPU と VRAM が表示されているかを確認してください。

パッケージのインストールとデータの移動

Section titled “パッケージのインストールとデータの移動”

パッケージをインストールする

Section titled “パッケージをインストールする”

セルから !pip install で、または SSH シェルから普通に pip install でインストールします。

!pip install transformers accelerate

インストール後はカーネルを再起動（Kernel → Restart Kernel）して、新しいパッケージを import できるようにします。インストールしたものはすべてコンテナ内にあり、レンタルとともに消えます。次回に記憶を頼りに環境を組み直さなくてよいよう、プロジェクトに requirements.txt を置いておいてください。

データを出し入れする

Section titled “データを出し入れする”

左側のファイルブラウザにファイルをドラッグするとアップロードでき、右クリック → Download で結果を取り出せます。ノートブックや小さなデータファイルには十分ですが、数百メガバイトを超えると厳しくなります。

ロックをかける

Section titled “ロックをかける”

Anyone with the URL can reach your web UI

The Grafilab proxy does not add a login in front of your instance. Your random three-word slug (https://<your-slug>.instance.grafilab.ai) is the only barrier, and the shipped web templates have no application login of their own (Open WebUI is the exception). Treat the URL like a password: don’t paste it in public places, and if you need a lock, add one inside the app over SSH.

現実的な選択肢は、インスタンス URL を秘密として扱うことです。公開の場に投稿しない、共有ドキュメントに書かない、そして終わったらレンタルを終了する。

本当に鍵をかけたい場合、JupyterLab は JUPYTER_TOKEN 環境変数からトークンを読み込みます。これを設定すると、トークンを URL に付けるか入力したときだけアクセスできます。設定するには、その変数を環境に含めた状態でサーバーを再起動する必要があり、これは SSH 経由で行います。

永続性

Section titled “永続性”

Nothing persists past the rental

Instances have no persistent volume. Anything you write at runtime — downloaded models, installed packages, notebooks, outputs — lives in the container for the lifetime of the rental and is gone when it expires. Before Expire at, back up the folders you care about to Grafilab storage and download the archive.

ノートブックは、別の場所にも残っているときだけ失っても安いものです。作業しながら git に push するか、インスタンスカードの Backup を使って Expire at の前に作業ディレクトリをアーカイブしてください。

次のステップ

Section titled “次のステップ”
PyTorch + CUDAスクリプトと長時間の学習向けの、素の PyTorch イメージ。
インスタンスを管理するSSH で接続し、ポートを公開し、更新し、バックアップします。
ComfyUI同じハードウェアでノードベースの画像・動画ワークフローを。
© 2026 Grafilab