跳转至

DGX Dashboard

监控您的 DGX 系统并启动 JupyterLab

目录

概述

基本概念

DGX Dashboard 是一个运行在 DGX Spark 设备上的本地 Web 应用程序，提供系统更新、资源监控和集成 JupyterLab 环境的图形界面。用户可以从应用程序启动器本地访问仪表板，或通过 NVIDIA Sync 或 SSH 隧道远程访问。当远程工作时，仪表板是更新系统包和固件的最简单方法。

您将实现的目标

您将学习如何访问和使用 DGX Spark 设备上的 DGX Dashboard。完成本指南后，您将能够： - 启动带有预配置 Python 环境的 JupyterLab 实例 - 监控 GPU 性能 - 管理系统更新 - 使用 Stable Diffusion 运行示例 AI 工作负载 - 了解多种访问方法，包括桌面快捷方式、NVIDIA Sync 和手动 SSH 隧道

开始前须知

  • 基本的终端使用经验，用于 SSH 连接和端口转发
  • 了解 Python 环境和 Jupyter 笔记本

先决条件

硬件要求： - NVIDIA Grace Blackwell GB10 Superchip 系统

软件要求： - NVIDIA DGX OS - 已安装 NVIDIA Sync（用于远程访问方法）或已配置 SSH 客户端

辅助文件

  • 在 GitHub 上找到的 SDXL Python 代码片段：链接

时间与风险

  • 持续时间： 完整指南需要 15-30 分钟，包括示例 AI 工作负载
  • 风险等级： 低 - Web 界面操作，对系统影响最小
  • 回滚方案： 通过仪表板界面停止 JupyterLab 实例；正常使用期间不会进行永久性系统更改。
  • 最后更新： 2025年11月21日
  • 少量文字编辑

操作说明

步骤 1. 访问 DGX Dashboard

选择以下方法之一访问 DGX Dashboard Web 界面：

选项 A：桌面快捷方式（本地访问）

如果您可以本地访问 DGX Spark 设备：

  1. 登录 DGX Spark 设备上的 Ubuntu Desktop 环境
  2. 点击屏幕左下角打开 Ubuntu 应用程序启动器
  3. 点击启动器中的 DGX Dashboard 快捷方式
  4. 仪表板将在您的默认 Web 浏览器中打开，地址为 http://localhost:11000

选项 B：NVIDIA Sync（推荐用于远程访问）

如果您已在本地计算机上安装了 NVIDIA Sync：

  1. 点击系统托盘中的 NVIDIA Sync 图标
  2. 从设备列表中选择您的 DGX Spark 设备
  3. 点击"连接"
  4. 点击"DGX Dashboard"启动仪表板
  5. 仪表板将在您的默认 Web 浏览器中打开，地址为 http://localhost:11000，使用自动 SSH 隧道

没有 NVIDIA Sync？在此安装

选项 C：手动 SSH 隧道

如果您想在没有 NVIDIA Sync 的情况下手动远程访问，您必须首先手动配置 SSH 隧道。

如果要远程访问，您必须为 Dashboard 服务器（端口 11000）和 JupyterLab 打开一个隧道。每个用户账户将有不同的 JupyterLab 分配端口号。

  1. 通过 SSH 登录到 DGX Spark 并运行以下命令，检查您分配的 JupyterLab 端口：
cat /opt/nvidia/dgx-dashboard-service/jupyterlab_ports.yaml
  1. 查找您的用户名并记下分配的端口号。
  2. 创建一个包含两个端口的新 SSH 隧道：

ssh -L 11000:localhost:11000 -L <ASSIGNED_PORT>:localhost:<ASSIGNED_PORT> <USERNAME>@<SPARK_DEVICE_IP>
将 <USERNAME> 替换为您的 DGX Spark 设备用户名，将 <SPARK_DEVICE_IP> 替换为设备的 IP 地址。

将 <ASSIGNED_PORT> 替换为 YAML 文件中的端口号。

在 Web 浏览器中打开并导航到 http://localhost:11000。

步骤 2. 登录 DGX Dashboard

仪表板在浏览器中加载后：

  1. 在用户名字段中输入您的 DGX Spark 系统用户名
  2. 在密码字段中输入您的系统密码
  3. 点击"登录"访问仪表板界面

您应该会看到主仪表板，其中包含 JupyterLab 管理、系统监控和设置面板。

步骤 3. 启动 JupyterLab 实例

创建并启动 JupyterLab 环境：

  1. 点击右侧面板中的"启动"按钮
  2. 监控状态转换：启动 → 准备中 → 运行中
  3. 等待状态显示为"运行中"（首次启动可能需要几分钟）
  4. 一旦"运行中"，如果 JupyterLab 没有自动在您的浏览器中打开（弹出窗口被阻止），您可以点击"在浏览器中打开"按钮

启动时，会自动创建一个默认工作目录（/home//jupyterlab）并设置一个虚拟环境。您可以通过查看工作目录中创建的 requirements.txt 文件来检查安装的包。

将来，您可以通过点击"停止"按钮，将路径更改为新工作目录，然后再次点击"启动"按钮来更改工作目录，从而创建一个新的隔离环境。

步骤 4. 使用示例 AI 工作负载进行测试

通过运行简单的 Stable Diffusion XL 图像生成示例来验证您的设置：

  1. 在 JupyterLab 中，创建一个新的笔记本：文件 → 新建 → 笔记本
  2. 点击"Python 3 (ipykernel)"创建笔记本
  3. 添加一个新单元格并粘贴以下代码：
import warnings
warnings.filterwarnings('ignore', message='.*cuda capability.*')
import tqdm.auto
tqdm.auto.tqdm = tqdm.std.tqdm

from diffusers import DiffusionPipeline
import torch
from PIL import Image
from datetime import datetime
from IPython.display import display

## --- 模型设置 ---
MODEL_ID = "stabilityai/stable-diffusion-xl-base-1.0"
dtype = torch.float16 if torch.cuda.is_available() else torch.float32

pipe = DiffusionPipeline.from_pretrained(
    MODEL_ID,
    torch_dtype=dtype,
    variant="fp16" if dtype==torch.float16 else None,
)
pipe = pipe.to("cuda" if torch.cuda.is_available() else "cpu")

## --- 提示设置 ---
prompt = "a cozy modern reading nook with a big window, soft natural light, photorealistic"
negative_prompt = "low quality, blurry, distorted, text, watermark"

## --- 生成设置 ---
height = 1024
width = 1024
steps = 30
guidance = 7.0

## --- 生成 ---
result = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=steps,
    guidance_scale=guidance,
    height=height,
    width=width,
)

## --- 保存到文件 ---
image: Image.Image = result.images[0]
display(image)
image.save(f"sdxl_output.png")
print(f"Saved image as sdxl_output.png")
  1. 运行单元格（Shift+Enter 或点击运行按钮）
  2. 笔记本将下载模型并生成图像（首次运行可能需要几分钟）

步骤 5. 监控 GPU 利用率

当图像生成正在运行时：

  1. 切换回浏览器中的 DGX Dashboard 标签页
  2. 观察监控面板中的 GPU 遥测数据

步骤 6. 停止 JupyterLab 实例

完成会话后：

  1. 返回主 DGX Dashboard 标签页
  2. 点击 JupyterLab 面板中的"停止"按钮
  3. 确认状态从"运行中"更改为"已停止"

步骤 7. 管理系统更新

如果系统更新可用，将通过横幅或设置页面指示。

在设置页面的"更新"标签页下：

  1. 点击"更新"打开确认对话框
  2. 点击"立即更新"启动更新过程
  3. 等待更新完成和设备重启

[!WARNING] 系统更新将升级包、固件（如果可用）并触发重启。继续之前请保存您的工作。

步骤 8. 清理和回滚

清理资源并将系统恢复到原始状态：

  1. 通过仪表板停止任何正在运行的 JupyterLab 实例
  2. 删除 JupyterLab 工作目录

[!WARNING] 如果您运行了系统更新，则唯一的回滚方法是恢复系统备份或恢复媒体。

正常仪表板使用期间不会对系统进行永久性更改。

步骤 9. 后续步骤

现在您已经配置了 DGX Dashboard，您可以：

  • 为不同项目创建额外的 JupyterLab 环境
  • 使用仪表板管理系统维护和更新

故障排除

症状 原因 解决方案
用户无法运行更新 用户不在 sudo 组 将用户添加到 sudo 组：sudo usermod -aG sudo <USERNAME>；然后运行 newgrp docker
JupyterLab 无法启动 当前虚拟环境存在问题 更改 JupyterLab 面板中的工作目录并启动新实例
SSH 隧道连接被拒绝 IP 或端口不正确 验证 Spark 设备 IP 并确保 SSH 服务正在运行
监控中看不到 GPU 驱动程序问题 使用 nvidia-smi 检查 GPU 状态

有关最新的已知问题，请查看 DGX Spark 用户指南。