Images
Images
Beim Start eines Profils stellt JupyterHub ein passendes JupyterLab-Image als Container bereit. Das persönliche Arbeitsverzeichnis wird über NFS eingebunden und bleibt beim Neustart oder Wechsel eines Images erhalten.
Versionsstand: 8. September 2026
Verfügbare Images
| Image | Version | Python | Einsatzgebiet |
|---|---|---|---|
mylab-base |
3.0.0 |
3.13 | Allgemeine Python-, SciPy- und JupyterLab-Arbeitsumgebung |
mylab-base-gpu |
3.0.0 |
3.13 | Schlanke GPU-Variante des Base-Images; die GPU wird durch Kubernetes bereitgestellt |
mylab-datascience |
3.0.0 |
3.13 | Data Science mit Python, R, Julia und Spark |
mylab-datascience-gpu |
3.0.0 |
3.13 | Data Science mit GPU-Unterstützung für Julia CUDA und R torch |
mylab-tensorflow |
3.0.0 |
3.13 | TensorFlow 2.21 mit framework-eigener CUDA-Runtime |
mylab-torch |
3.1.1 |
3.13 | PyTorch 2.13/CUDA 13.0, spaCy Transformers sowie LLM- und NLP-Werkzeuge |
mylab-tfx-zimmermann |
1.3.2 |
3.10 | Legacy-Image für Lehrveranstaltungen mit TensorFlow Extended 1.15 |
Die Images bauen auf den offiziellen Jupyter Docker Stacks auf und ergänzen diese um die im myLab benötigten Jupyter-Erweiterungen und Fachpakete.
Zuordnung zu Profilen
| Profil | Verwendete Images |
|---|---|
| Allgemein / SciPy | mylab-base |
| Data Science / Spark | mylab-datascience, bei GPU-Bedarf mylab-datascience-gpu |
| Machine Learning | mylab-tensorflow oder mylab-torch |
| LLM / NLP | mylab-torch |
| Lehrveranstaltungen Spezial | mylab-tfx-zimmermann |
Welche CPU-, RAM- und GPU-Ressourcen auswählbar sind, hängt von der jeweiligen Berechtigung und dem gewählten Profil ab.
GPU-Unterstützung
Die gepflegten GPU-Images enthalten keinen gemeinsamen systemweiten CUDA-Stack. Der NVIDIA-Treiber wird vom Kubernetes-Host in den Container eingebunden. TensorFlow und PyTorch bringen ihre jeweils kompatiblen CUDA-Bibliotheken als Python-Wheels mit; Julia und R verwenden eigene, image-seitig vorbereitete Laufzeiten.
Dadurch können die Frameworks unabhängig aktualisiert werden und überschreiben sich nicht gegenseitig. Eine GPU ist im Notebook nur sichtbar, wenn sie im Profil ausgewählt und dem Container von Kubernetes zugewiesen wurde.
Eigene Pakete und persistente Daten
Das Verzeichnis /home/jovyan/work ist persistent. Notebook-Dateien, Git-Repositories und andere Arbeitsdaten bleiben daher über Container-Neustarts hinweg erhalten.
Die Python-Umgebung des Images selbst ist unveränderlich und wird mit dem Image aktualisiert. Alte Pakete aus ~/.local werden nicht automatisch geladen, damit sie die getestete Image-Umgebung nicht überschreiben. Für projektspezifische Abhängigkeiten sollte eine eigene virtuelle Umgebung im persistenten Arbeitsverzeichnis verwendet werden.
Ausgemusterte Images
mylab-eilewomisa ist nicht mehr verfügbar. Das frühere Multi-Framework-Image wurde durch die getrennten Images mylab-tensorflow, mylab-torch und mylab-datascience-gpu ersetzt.