Téléverser les fichiers vers "/"
fichiers en +
This commit is contained in:
286
vastai-template-studio-audio.md
Normal file
286
vastai-template-studio-audio.md
Normal file
@ -0,0 +1,286 @@
|
||||
# 🎙️ Template Vast.ai — Studio IA Design Sonore
|
||||
|
||||
> Configuration complète pour RTX 5060 Ti (16 Go VRAM) / 130 Go de stockage
|
||||
|
||||
---
|
||||
|
||||
## 📋 Paramètres du Template
|
||||
|
||||
| Champ | Valeur |
|
||||
|---|---|
|
||||
| **Template Name** | `Studio IA - Design Sonore & Composition` |
|
||||
| **Template Description** | Studio de génération audio IA pour novices. Interface web ChatGPT-like alimentée par AudioCraft (MusicGen + AudioGen). Accès navigateur uniquement, aucune compétence technique requise. |
|
||||
| **Image Path:Tag** | `nvidia/cuda:12.1.1-devel-ubuntu22.04` |
|
||||
| **Launch Mode** | `Jupyter + SSH` |
|
||||
| **Disk Space** | `130 Go` |
|
||||
| **Visibility** | `Privé` |
|
||||
|
||||
---
|
||||
|
||||
## 🔌 Ports à déclarer
|
||||
|
||||
| Port interne | Protocole | Usage |
|
||||
|---|---|---|
|
||||
| `3000` | TCP | Open WebUI (interface utilisateur) |
|
||||
| `7860` | TCP | AudioCraft / Gradio API |
|
||||
| `22` | TCP | SSH (auto-ajouté en mode Jupyter+SSH) |
|
||||
| `8080` | TCP | Jupyter (auto-ajouté en mode Jupyter+SSH) |
|
||||
|
||||
---
|
||||
|
||||
## 🌐 Variables d'environnement
|
||||
|
||||
| Variable | Valeur |
|
||||
|---|---|
|
||||
| `PROVISIONING_SCRIPT` | https://git.syoul.fr/nicoboy/VASTAI-STUDIO-AUDIO/raw/branch/main/provisioning_script.sh?token=980621d1d7f71f71a403b6c31078bf8f3734441c |
|
||||
| `PORTAL_CONFIG` | localhost:3000:3000:/:OpenWebUI|localhost:7860:7860:/:AudioCraft|localhost:1111:11111:/:Portal |
|
||||
| `CUDA_VISIBLE_DEVICES` | `0` |
|
||||
| `PYTORCH_CUDA_ALLOC_CONF` | `max_split_size_mb:512` |
|
||||
|
||||
> ⚠️ Ne jamais mettre de clés API ou mots de passe ici si le template est public.
|
||||
|
||||
---
|
||||
|
||||
## ⚙️ On-start Script
|
||||
|
||||
```bash
|
||||
#!/bin/bash
|
||||
# Persister les variables d'environnement
|
||||
env >> /etc/environment
|
||||
```
|
||||
|
||||
> Le gros du travail est dans le PROVISIONING_SCRIPT ci-dessous.
|
||||
|
||||
---
|
||||
|
||||
## 📜 PROVISIONING_SCRIPT (contenu complet)
|
||||
|
||||
Héberger ce script sur GitHub/Gist et pointer `PROVISIONING_SCRIPT` vers l'URL raw.
|
||||
|
||||
```bash
|
||||
#!/bin/bash
|
||||
# =============================================================
|
||||
# Studio IA - Design Sonore & Composition
|
||||
# Provisioning Script pour RTX 5060 Ti / CUDA 12.1
|
||||
# =============================================================
|
||||
|
||||
set -eo pipefail
|
||||
echo "🎙️ Démarrage du provisioning Studio Audio IA..."
|
||||
|
||||
# --- 1. MISE À JOUR SYSTÈME & DÉPENDANCES ---
|
||||
apt-get update -y && apt-get install -y \
|
||||
python3.10 python3.10-venv python3-pip \
|
||||
ffmpeg libsndfile1 sox \
|
||||
ca-certificates curl gnupg lsb-release \
|
||||
git wget nano screen
|
||||
|
||||
# --- 2. INSTALLATION DOCKER (si non présent) ---
|
||||
if ! command -v docker &> /dev/null; then
|
||||
echo "📦 Installation de Docker..."
|
||||
curl -fsSL https://get.docker.com | bash
|
||||
fi
|
||||
|
||||
# --- 3. LANCEMENT OPEN WEBUI ---
|
||||
echo "🖥️ Lancement d'Open WebUI sur le port 3000..."
|
||||
docker pull ghcr.io/open-webui/open-webui:main
|
||||
|
||||
docker run -d \
|
||||
--name open-webui \
|
||||
--restart always \
|
||||
--gpus all \
|
||||
-p 3000:8080 \
|
||||
-v open-webui:/app/backend/data \
|
||||
-e WEBUI_SECRET_KEY="vastai-studio-secret-$(date +%s)" \
|
||||
-e DEFAULT_MODELS="" \
|
||||
-e ENABLE_SIGNUP=true \
|
||||
ghcr.io/open-webui/open-webui:main
|
||||
|
||||
echo "✅ Open WebUI lancé sur le port 3000"
|
||||
|
||||
# --- 4. ENVIRONNEMENT PYTHON POUR AUDIOCRAFT ---
|
||||
echo "🐍 Création de l'environnement Python AudioCraft..."
|
||||
python3.10 -m venv /workspace/venv-audiocraft
|
||||
source /workspace/venv-audiocraft/bin/activate
|
||||
|
||||
pip install --upgrade pip
|
||||
|
||||
# PyTorch compatible CUDA 12.1
|
||||
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
|
||||
|
||||
# AudioCraft (MusicGen + AudioGen)
|
||||
pip install git+https://github.com/facebookresearch/audiocraft.git
|
||||
|
||||
# Serveur API Gradio
|
||||
pip install gradio fastapi uvicorn pydantic scipy soundfile
|
||||
|
||||
echo "✅ AudioCraft installé"
|
||||
|
||||
# --- 5. API AUDIOCRAFT (script serveur) ---
|
||||
echo "🎵 Création du serveur API AudioCraft..."
|
||||
|
||||
mkdir -p /workspace/audiocraft-api
|
||||
|
||||
cat > /workspace/audiocraft-api/server.py << 'PYEOF'
|
||||
import gradio as gr
|
||||
import torch
|
||||
import scipy.io.wavfile
|
||||
import numpy as np
|
||||
import tempfile, os
|
||||
from audiocraft.models import MusicGen, AudioGen
|
||||
|
||||
# Chargement des modèles (une seule fois)
|
||||
print("🔄 Chargement de MusicGen...")
|
||||
music_model = MusicGen.get_pretrained("facebook/musicgen-small")
|
||||
music_model.set_generation_params(duration=10)
|
||||
|
||||
print("🔄 Chargement d'AudioGen...")
|
||||
audio_model = AudioGen.get_pretrained("facebook/audiogen-medium")
|
||||
audio_model.set_generation_params(duration=5)
|
||||
|
||||
def generate_music(prompt: str, duration: int = 10):
|
||||
"""Génère de la musique à partir d'un prompt textuel."""
|
||||
music_model.set_generation_params(duration=duration)
|
||||
wav = music_model.generate([prompt])
|
||||
wav_np = wav[0, 0].cpu().numpy()
|
||||
sr = music_model.sample_rate
|
||||
with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
|
||||
scipy.io.wavfile.write(f.name, sr, (wav_np * 32767).astype(np.int16))
|
||||
return f.name
|
||||
|
||||
def generate_sound(prompt: str, duration: int = 5):
|
||||
"""Génère des bruitages et ambiances sonores."""
|
||||
audio_model.set_generation_params(duration=duration)
|
||||
wav = audio_model.generate([prompt])
|
||||
wav_np = wav[0, 0].cpu().numpy()
|
||||
sr = audio_model.sample_rate
|
||||
with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
|
||||
scipy.io.wavfile.write(f.name, sr, (wav_np * 32767).astype(np.int16))
|
||||
return f.name
|
||||
|
||||
# Interface Gradio
|
||||
with gr.Blocks(title="🎙️ Studio Audio IA") as demo:
|
||||
gr.Markdown("## 🎙️ Studio Audio IA — AudioCraft API")
|
||||
|
||||
with gr.Tab("🎵 Musique (MusicGen)"):
|
||||
music_prompt = gr.Textbox(label="Prompt", placeholder="Calm piano music with soft strings, 120bpm...")
|
||||
music_duration = gr.Slider(5, 30, value=10, step=5, label="Durée (secondes)")
|
||||
music_btn = gr.Button("🎵 Générer la musique")
|
||||
music_output = gr.Audio(label="Résultat")
|
||||
music_btn.click(generate_music, inputs=[music_prompt, music_duration], outputs=music_output)
|
||||
|
||||
with gr.Tab("🔊 Bruitages (AudioGen)"):
|
||||
sound_prompt = gr.Textbox(label="Prompt", placeholder="Wood cracking, cathedral reverb, horror atmosphere...")
|
||||
sound_duration = gr.Slider(2, 15, value=5, step=1, label="Durée (secondes)")
|
||||
sound_btn = gr.Button("🔊 Générer le son")
|
||||
sound_output = gr.Audio(label="Résultat")
|
||||
sound_btn.click(generate_sound, inputs=[sound_prompt, sound_duration], outputs=sound_output)
|
||||
|
||||
demo.launch(server_name="0.0.0.0", server_port=7860, share=False)
|
||||
PYEOF
|
||||
|
||||
echo "✅ Serveur API AudioCraft créé"
|
||||
|
||||
# --- 6. LANCEMENT DU SERVEUR AUDIOCRAFT EN ARRIÈRE-PLAN ---
|
||||
echo "🚀 Démarrage du serveur AudioCraft..."
|
||||
source /workspace/venv-audiocraft/bin/activate
|
||||
cd /workspace/audiocraft-api
|
||||
|
||||
# Lancement dans un écran screen pour persistance
|
||||
screen -dmS audiocraft bash -c "
|
||||
source /workspace/venv-audiocraft/bin/activate
|
||||
cd /workspace/audiocraft-api
|
||||
python server.py 2>&1 | tee /workspace/audiocraft.log
|
||||
"
|
||||
|
||||
echo "✅ AudioCraft lancé sur le port 7860 (écran: 'audiocraft')"
|
||||
|
||||
# --- 7. PERSISTANCE DES VARIABLES ---
|
||||
env >> /etc/environment
|
||||
|
||||
echo ""
|
||||
echo "🎉 ============================================="
|
||||
echo " Studio IA - Design Sonore prêt !"
|
||||
echo " Open WebUI → port 3000"
|
||||
echo " AudioCraft → port 7860"
|
||||
echo " Logs → /workspace/audiocraft.log"
|
||||
echo "============================================="
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🤖 System Prompt Open WebUI (à importer manuellement)
|
||||
|
||||
Après connexion à Open WebUI (port 3000), créer un nouveau modèle/assistant avec ce prompt :
|
||||
|
||||
```
|
||||
Tu es un Ingénieur du Son expert et pédagogue. Ton rôle est d'aider des novices complets à créer des sons et de la musique grâce à l'IA.
|
||||
|
||||
RÈGLES FONDAMENTALES :
|
||||
1. Utilise un langage simple, jamais de jargon technique sans explication.
|
||||
2. Si l'utilisateur est vague (ex: "un son de forêt"), pose des questions précises :
|
||||
- Veut-il de la pluie ? Des oiseaux ? Une ambiance nocturne ?
|
||||
- Quel usage ? (jeu vidéo, film, méditation, musique...)
|
||||
- Quelle durée ? (quelques secondes, une boucle de 30s...)
|
||||
3. Traduis les envies en descriptions techniques claires pour AudioCraft.
|
||||
4. Propose toujours 2-3 variations du prompt pour offrir des choix.
|
||||
5. Explique ce que tu vas générer AVANT de le faire.
|
||||
|
||||
EXEMPLES DE TRADUCTION :
|
||||
- "Un son qui fait peur" → "Deep drone with low rumble, distant whispers, reverb, horror cinematic atmosphere"
|
||||
- "Musique joyeuse pour enfants" → "Playful xylophone melody, cheerful, bright, 120bpm, children cartoon style"
|
||||
- "Ambiance de forêt" → "Dense forest ambience, birds chirping, wind through leaves, morning atmosphere, gentle stream"
|
||||
|
||||
FORMAT DE RÉPONSE :
|
||||
1. Reformule ce que l'utilisateur veut (pour valider)
|
||||
2. Propose le prompt technique que tu vas utiliser
|
||||
3. Demande confirmation avant de lancer la génération
|
||||
4. Après génération : propose des ajustements (plus d'écho, plus grave, etc.)
|
||||
|
||||
Tu es patient, encourageant, et passionné par le design sonore. Chaque création est une collaboration artistique.
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🔁 PORTAL_CONFIG — Accès simplifié
|
||||
|
||||
```
|
||||
localhost:3000:3000:/:Open WebUI|localhost:7860:7860:/:AudioCraft API|localhost:1111:11111:/:Instance Portal|localhost:8080:18080:/:Jupyter
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ✅ Checklist de déploiement
|
||||
|
||||
- [ ] Héberger le provisioning script sur GitHub/Gist et copier l'URL raw
|
||||
- [ ] Coller l'URL dans la variable `PROVISIONING_SCRIPT`
|
||||
- [ ] Vérifier que les ports 3000 et 7860 sont bien ajoutés
|
||||
- [ ] Sauvegarder avec **Create & Use**
|
||||
- [ ] Attendre ~10-15 min (téléchargement des modèles AudioCraft ~8 Go)
|
||||
- [ ] Accéder à l'interface via le port mappé 3000
|
||||
- [ ] Créer un compte admin dans Open WebUI
|
||||
- [ ] Importer le System Prompt ci-dessus
|
||||
- [ ] Tester une génération audio
|
||||
|
||||
---
|
||||
|
||||
## ⚡ Commande CLI équivalente
|
||||
|
||||
```bash
|
||||
vastai create instance \
|
||||
--image "nvidia/cuda:12.1.1-devel-ubuntu22.04" \
|
||||
--disk 130 \
|
||||
--ports "3000/tcp 7860/tcp 8080/tcp 22/tcp" \
|
||||
--env "PROVISIONING_SCRIPT=https://raw.githubusercontent.com/VOTRE_REPO/main/studio-audio-provisioning.sh" \
|
||||
--env "PORTAL_CONFIG=localhost:3000:3000:/:Open WebUI|localhost:7860:7860:/:AudioCraft API|localhost:1111:11111:/:Instance Portal" \
|
||||
--env "CUDA_VISIBLE_DEVICES=0" \
|
||||
--env "PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📝 Notes RTX 5060 Ti
|
||||
|
||||
- **16 Go VRAM** : suffisant pour faire tourner MusicGen-small + AudioGen-medium simultanément.
|
||||
- Si manque de VRAM : passer à `musicgen-melody` et charger les modèles à la demande (unload entre générations).
|
||||
- Les modèles AudioCraft totalisent ~6-8 Go sur disque — les 130 Go sont confortables.
|
||||
- Temps de génération estimé : 5-15 secondes pour 10s de musique sur RTX 5060 Ti.
|
||||
221
vastai-templates-context.md
Normal file
221
vastai-templates-context.md
Normal file
@ -0,0 +1,221 @@
|
||||
# Vast.ai — Guide de création de templates
|
||||
|
||||
> Référence condensée pour créer et configurer ses propres templates sur Vast.ai.
|
||||
|
||||
---
|
||||
|
||||
## 1. Identification
|
||||
|
||||
| Champ | Description |
|
||||
|---|---|
|
||||
| **Template Name** | Nom affiché sur la carte du template. |
|
||||
| **Template Description** | Description optionnelle, utile si le template est partagé/public. |
|
||||
|
||||
---
|
||||
|
||||
## 2. Image Docker (`Image Path:Tag`)
|
||||
|
||||
Format obligatoire : `repository/image_name:tag`
|
||||
|
||||
Exemples d'images compatibles :
|
||||
- Images publiques DockerHub : `nginx:latest`, `postgres:14`, `python:3.11`
|
||||
- Images Vast.ai : `vastai/base-image`, `vastai/pytorch`
|
||||
- Registres alternatifs (chemin complet requis) : `nvcr.io/nvidia/pytorch:25.04-py3`, `ghcr.io/…`, `gcr.io/…`
|
||||
|
||||
**Tag spécial `[Automatic]`** : sélectionne automatiquement l'image compatible avec la version CUDA de la machine (nécessite que le tag contienne la version CUDA, ex: `my-image-cuda-12.8`).
|
||||
|
||||
---
|
||||
|
||||
## 3. Ports
|
||||
|
||||
- Ajouter les ports TCP/UDP nécessaires à l'accès externe.
|
||||
- Un port externe aléatoire est assigné et mappé vers le port interne du container.
|
||||
- Alternative via tunnel SSH :
|
||||
```bash
|
||||
ssh -p [SSH_PORT] [USER]@[REMOTE_HOST] -L [LOCAL_PORT]:localhost:[REMOTE_PORT]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 4. Variables d'environnement
|
||||
|
||||
- Ajouter les variables requises par l'image Docker.
|
||||
- **Ne jamais mettre de secrets dans un template public** → utiliser les variables d'environnement du compte (`cloud.vast.ai/account/`) qui sont injectées dans toutes les instances.
|
||||
|
||||
### Variables spéciales
|
||||
|
||||
| Variable | Rôle |
|
||||
|---|---|
|
||||
| `PROVISIONING_SCRIPT` | URL d'un script shell exécuté au démarrage de l'instance |
|
||||
| `PORTAL_CONFIG` | Configure l'accès aux applications via l'Instance Portal |
|
||||
|
||||
---
|
||||
|
||||
## 5. Modes de lancement
|
||||
|
||||
| Mode | Description |
|
||||
|---|---|
|
||||
| **Jupyter + SSH** | Installe Jupyter (port `8080`) et SSH (port `22`) au runtime. Entrypoint Docker ignoré. |
|
||||
| **SSH uniquement** | Comme ci-dessus, sans Jupyter. Entrypoint Docker ignoré. |
|
||||
| **docker ENTRYPOINT** | Le container s'exécute exactement comme prévu. Aucun outil supplémentaire ajouté. |
|
||||
|
||||
> ⚠️ En mode Jupyter ou SSH, l'entrypoint Docker original **n'est pas exécuté**. Utiliser le **On-start Script** pour démarrer les services.
|
||||
|
||||
---
|
||||
|
||||
## 6. On-start Script (Jupyter/SSH uniquement)
|
||||
|
||||
Script Bash exécuté au démarrage. Exemples :
|
||||
|
||||
```bash
|
||||
# Exécuter un script existant dans l'image
|
||||
chmod +x /usr/local/bin/start.sh
|
||||
bash /usr/local/bin/start.sh
|
||||
|
||||
# Modifier un fichier de configuration
|
||||
sed -i 's/-sslOnly//g' /dockerstartup/vnc_startup.sh
|
||||
|
||||
# Créer un répertoire
|
||||
sudo -i -u kasm-user mkdir -p /home/kasm-user/Desktop
|
||||
|
||||
# Persister les variables d'environnement
|
||||
env >> /etc/environment
|
||||
```
|
||||
|
||||
> Toujours appeler la commande ENTRYPOINT/CMD originale à la fin du script.
|
||||
|
||||
---
|
||||
|
||||
## 7. PROVISIONING_SCRIPT — Personnalisation au runtime
|
||||
|
||||
**Méthode la plus simple** pour personnaliser un template sans rebuilder une image Docker.
|
||||
|
||||
### Configuration
|
||||
1. Éditer un template (ex: `vastai/base-image` ou `vastai/pytorch`)
|
||||
2. Ajouter la variable d'environnement `PROVISIONING_SCRIPT` avec une URL vers un script shell (GitHub, Gist, etc.)
|
||||
|
||||
### Exemple de script
|
||||
```bash
|
||||
#!/bin/bash
|
||||
cd /workspace/
|
||||
set -eo pipefail
|
||||
|
||||
# Activer l'environnement virtuel
|
||||
. /venv/main/bin/activate
|
||||
|
||||
# Installer des packages
|
||||
pip install your-packages
|
||||
|
||||
# Télécharger des fichiers
|
||||
wget -P "${WORKSPACE}/" https://example.org/my-application.tar.gz
|
||||
tar xvf ${WORKSPACE}/my-application.tar.gz
|
||||
|
||||
# Configurer un service Supervisor
|
||||
echo "my-supervisor-config" > /etc/supervisor/conf.d/my-application.conf
|
||||
echo "my-supervisor-wrapper" > /opt/supervisor-scripts/my-application.sh
|
||||
chmod +x /opt/supervisor-scripts/my-application.sh
|
||||
|
||||
# Reconfigurer le portail
|
||||
export PORTAL_CONFIG="localhost:1111:11111:/:Instance Portal|localhost:1234:11234:/:My Application"
|
||||
|
||||
# Recharger Supervisor
|
||||
supervisorctl reload
|
||||
```
|
||||
|
||||
> Toutes les installations doivent aller dans `/workspace/` pour la persistance.
|
||||
|
||||
---
|
||||
|
||||
## 8. PORTAL_CONFIG — Accès aux applications
|
||||
|
||||
Structure :
|
||||
```
|
||||
hostname:external_port:local_port:url_path:Application Name|...
|
||||
```
|
||||
|
||||
- Séparateur entre applications : `|`
|
||||
- Séparateur entre paramètres : `:`
|
||||
- `hostname` = toujours `localhost` dans les containers Docker
|
||||
- Si `external_port ≠ local_port` → Caddy agit en reverse proxy
|
||||
- Si `external_port = local_port` → Caddy ne proxifie pas (utile pour Jupyter)
|
||||
|
||||
Exemple complet :
|
||||
```bash
|
||||
"localhost:8002:18002:/hello:MyApp|localhost:1111:11111:/:Instance Portal|localhost:8080:18080:/:Jupyter|localhost:8384:18384:/:Syncthing"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 9. Images Docker personnalisées (build custom)
|
||||
|
||||
### Option A : FROM une image Vast.ai (recommandé)
|
||||
```dockerfile
|
||||
FROM vastai/base-image:cuda-12.6.3-cudnn-devel-ubuntu22.04-py313
|
||||
# ou
|
||||
FROM vastai/pytorch:2.6.0-cuda-12.6.3-py312
|
||||
|
||||
WORKDIR /opt/workspace-internal/
|
||||
RUN . /venv/main/bin/activate && your-installation-commands
|
||||
```
|
||||
|
||||
### Option B : FROM n'importe quelle image de base
|
||||
Compatible avec toute image publique ou privée.
|
||||
|
||||
**Étapes** :
|
||||
1. Écrire le Dockerfile
|
||||
2. `docker build` + `docker push` vers un registre
|
||||
3. Créer un template avec le chemin de l'image personnalisée
|
||||
|
||||
---
|
||||
|
||||
## 10. Authentification Docker (images privées)
|
||||
|
||||
Renseigner les credentials dans la section **Docker Repository Authentication**.
|
||||
|
||||
| Registre | Server Name |
|
||||
|---|---|
|
||||
| Docker Hub | *(laisser vide)* |
|
||||
| GitHub Container Registry | `ghcr.io` |
|
||||
| Google Container Registry | `gcr.io` |
|
||||
|
||||
---
|
||||
|
||||
## 11. Paramètres supplémentaires
|
||||
|
||||
| Paramètre | Description |
|
||||
|---|---|
|
||||
| **Disk Space** | Espace disque minimum pour les instances créées depuis ce template |
|
||||
| **Extra Filters** | Restreindre les machines affichées (ex: CPU architecture AMD64/ARM64) |
|
||||
| **Visibility** | Public (visible dans la recherche) ou Privé (accessible via URL uniquement) |
|
||||
|
||||
> ⚠️ Ne jamais mettre de secrets dans un template public.
|
||||
|
||||
---
|
||||
|
||||
## 12. Sauvegarde et lancement
|
||||
|
||||
| Bouton | Action |
|
||||
|---|---|
|
||||
| **Create** | Sauvegarde dans "My Templates" |
|
||||
| **Create & Use** | Sauvegarde et ouvre la page des offres |
|
||||
|
||||
Le template génère aussi une **commande CLI** équivalente (section lecture seule).
|
||||
|
||||
---
|
||||
|
||||
## Cas d'usage courants
|
||||
|
||||
**Lancer une application existante (ex: nginx)**
|
||||
1. Trouver l'image officielle sur DockerHub
|
||||
2. Créer un template avec l'image + ports requis
|
||||
3. Sauvegarder et lancer
|
||||
|
||||
**Personnaliser un template Vast recommandé**
|
||||
1. Éditer un template recommandé
|
||||
2. Ajouter `PROVISIONING_SCRIPT` pointant vers votre script
|
||||
3. Voir section 7 ci-dessus
|
||||
|
||||
**Construire sa propre image Docker**
|
||||
1. Créer un Dockerfile (optionnellement FROM une image Vast)
|
||||
2. Build + push vers un registre
|
||||
3. Créer un template avec le chemin de l'image custom
|
||||
Reference in New Issue
Block a user