快速入门指南
本指南提供逐步说明，帮助您开始使用 NVIDIA MONAI 工具包。它涵盖了运行 JupyterLab 实例、使用交互式 bash、配置共享内存、远程访问 JupyterLab 以及挂载自定义数据目录。
在开始之前，请确保您的系统满足最低要求。您可以在系统要求页面中找到详细的系统要求。
要从本地主机系统开始，可以使用随时可打开的网站链接启动 MONAI 工具包 JupyterLab 实例
docker run --gpus all -it --rm --ipc=host --net=host \
nvcr.io/nvidia/clara/monai-toolkit:3.0
JupyterLab 应用程序启动后，请按照屏幕上的说明操作，并在 Web 浏览器中打开 URL。
默认情况下，容器使用主机系统的所有 GPU 资源、网络和进程间通信 (IPC) 命名空间。多个笔记本需要较大的共享内存大小，容器才能运行全面的工作流程。有关更多信息，请参阅更改共享内存段大小。
要使用 bash shell 运行 MONAI 工具包容器，请发出以下命令以启动预构建的容器
docker run --gpus all -it --rm --ipc=host --net=host \
nvcr.io/nvidia/clara/monai-toolkit:3.0 \
/bin/bash
如果您使用 Torch 多进程处理多线程数据加载器，则容器运行的默认共享内存段大小可能不足。为了解决这个问题，您可以使用以下选项之一来增加共享内存大小
运行容器时使用
--ipc=host标志。使用
--shm-size=标志，后跟所需的共享内存段大小。
例如，要将共享内存段大小增加到 16GB，您可以发出以下命令
docker run --gpus all -it --rm --ipc=host --net=host --shm-size=16g \
nvcr.io/nvidia/clara/monai-toolkit:3.0 \
/bin/bash
通过增加共享内存大小，您可以避免在使用 Torch 中的多线程数据加载器时出现“OSError: [Errno 12] Cannot allocate memory”等问题。
用户只需在 Web 浏览器中输入主机机器的 URL 或 IP 地址以及端口号（默认：8888）即可访问 JupyterLab 实例。首次登录时可能需要令牌。用户可以在托管 MONAI 工具包容器的系统中找到令牌，方法是查找屏幕上 /?token= 后面的代码。
JupyterLab 默认在端口 8888 上启动。如果用户想要分配另一个端口，可以通过设置 JUPYTER_PORT 环境变量来启动 JupyterLab 实例
-e JUPYTER_PORT=8900
例如
docker run --gpus all -it --rm --ipc=host --net=host \
-e JUPYTER_PORT=8900 \
nvcr.io/nvidia/clara/monai-toolkit:3.0 \
/opt/docker/runtoolkit.sh
有关运行 docker 命令的更多详细信息，请参阅 NVIDIA 深度学习框架容器用户指南中的运行容器章节，并指定注册表、存储库和标签。
要挂载自定义数据目录，用户可以使用 -v 挂载驱动器并覆盖许多笔记本使用的默认数据目录环境变量 MONAI_DATA_DIRECTORY。例如
docker run --gpus all -it --rm --ipc=host --net=host \
-v ~/workspace:/workspace \
-e MONAI_DATA_DIRECTORY=/workspace/data \
nvcr.io/nvidia/clara/monai-toolkit:3.0 \
/opt/docker/runtoolkit.sh
/opt/docker/runtoolkit.sh 为用户提供了一个入口点，用于使用默认设置配置 Jupyter Lab。但是，它无法涵盖 Jupyter 的所有使用场景和 API。用户可以在 MONAI 工具包容器中运行 Jupyter Lab 命令，并通过以下方式简单地配置实例
docker run --gpus all -it --rm --ipc=host --net=host \
nvcr.io/nvidia/clara/monai-toolkit:3.0 \
jupyter lab