NVIDIA BrevのGPUインスタンスにVS Code Remote SSHとJupyterLabで接続してみた
はじめに
NVIDIA Brevで立てたGPUインスタンスについて、リリースされているモデルを動かしてみる前に、各種開発環境から接続してみたいと思います。
- やること
- ローカルの VS Code から Remote SSH で接続する
- JupyterLab でブラウザから接続し、PyTorchでGPUを確認する
前提
- ローカルにVS Codeがインストール済み
- Brev CLIにログイン済み
- Brevのインスタンスを起動中
VS Code Remote SSH で接続する
公式では、次のコマンドでVS CodeのRemote SSH拡張からインスタンス接続までを実行可能と紹介されています。
brev open my-instance
今回は手動でやってみます
- VS Code に
Remote - SSH拡張をインストール brev refreshで SSH 設定を更新
% brev refresh
refreshing brev...
brev has been refreshed
- VS Codeのコマンドパレット（
Cmd+Shift+P/Ctrl+Shift+P）でRemote-SSH: Connect to Hostを選択し、表示されたインスタンス名一覧から任意のものを選択
ですので今回は-host が付いていない方を選べばOKです。
JupyterLabで接続
brev shell でインスタンスに接続します。
% brev shell my-instance
⣽ waiting for SSH connection to be available Agent pid 51926
brev shell my-instance
次にJupyterLabを起動してみます。
$ jupyter lab --no-browser --port=8888
Command 'jupyter' not found, but can be installed with:
sudo apt install jupyter-core
あれ？モジュールが見つからない。探してみましょう。
$ uv pip show jupyterlab | grep Location
Location: /home/shadeform/.venv/lib/python3.12/site-packages
venvにインストールされています。
デフォルトのpythonインタープリタを見てみると仮想環境を参照していません。
$ which python3
/usr/bin/python3
仮想環境がactivateされていないため、Jupyter Labが参照できていなかったようです。
source ~/.venv/bin/activateでactivateして、参照できることを確認してみます。
$ jupyter lab --version
4.6.1
また、JupyterLabの環境を確認してみると
$ jupyter lab list
Currently running servers:
http://0.0.0.0:8888/ :: /home/shadeform
すでにサーバーが立ち上がっていました。
インスタンスによりますが、すでにサーバー起動済みの場合があるようです。
こちらに接続してみましょう。
別のターミナルにてポートフォワードを設定します。
% brev port-forward my-instance --port 8888:8888
Port forwarding...
localhost:8888 -> my-instance:8888
では、ブラウザからhttp://localhost:8888にアクセスしてJupyterLabを開きましょう。
開けました。最後にPyTorchを入れてGPUを確認します。
CUDAのバージョンを確認。
$ nvidia-smi
Sun Jul 5 08:33:53 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 570.195.03 Driver Version: 570.195.03 CUDA Version: 12.8 |
|-----------------------------------------+------------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+========================+======================|
| 0 NVIDIA RTX A6000 On | 00000000:00:06.0 Off | Off |
| 30% 29C P8 14W / 300W | 4MiB / 49140MiB | 0% Default |
| | | N/A |
+-----------------------------------------+------------------------+----------------------+
+-----------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=========================================================================================|
| No running processes found |
+-----------------------------------------------------------------------------------------+
CUDA Version: 12.8を指定してtorchをインストールします。
venvがactivateされていることを確認して次のコマンドでtorchをインストールします。
uv pip install torch --index-url https://download.pytorch.org/whl/cu128
公式の手順通り、GPUが利用可能な状態か確認します。
なお、前述のPyTorchのCUDA用パッケージにはNumPyが含まれていないため警告が出ています。実処理ではNumPyを使うケースがほとんどだと思うので、その他のモジュールと合わせて別途インストールしましょう。
おわりに
Brev CLIを使って、VS CodeとJupyterLabからGPUインスタンスに接続する方法を試してみました。
