Stats
Actions
Tags
From fastsurfer
Use when the user wants to run FastSurfer in Docker or Singularity/Apptainer, asks about container flags, volume mounting, GPU passthrough, image variants, or troubleshooting container-specific issues. Triggers on "fastsurfer docker", "fastsurfer singularity", "fastsurfer container", "deepmi/fastsurfer", "apptainer", "container GPU", "--gpus", "-v", "-B", "user permissions container".
How this skill is triggered — by the user, by Claude, or both
Slash command
/fastsurfer:fastsurfer-containerThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
Offizielle Images sind auf DockerHub unter `deepmi/fastsurfer`. Singularity-Images werden meist aus Docker-Images konvertiert.
Offizielle Images sind auf DockerHub unter deepmi/fastsurfer. Singularity-Images werden meist aus Docker-Images konvertiert.
| Tag | Inhalt |
|---|---|
deepmi/fastsurfer:latest | GPU (CUDA) + alles drin (FreeSurfer-Binaries, Checkpoints, Python-Env) |
deepmi/fastsurfer:cpu-latest | Kleinere CPU-only Variante (kein CUDA-Stack) |
deepmi/fastsurfer:gpu-latest | Explizit GPU |
deepmi/fastsurfer:cc-latest | Mit FastSurfer-CC-Spezialdependencies |
| Spezifische Versionen | z.B. deepmi/fastsurfer:v2.4.0 |
Liste aller Tags: https://hub.docker.com/r/deepmi/fastsurfer/tags
docker run --gpus all \
-v $HOME/my_mri_data:$HOME/my_mri_data \
-v $HOME/my_fastsurfer_analysis:$HOME/my_fastsurfer_analysis \
-v $HOME/my_fs_license.txt:$HOME/my_fs_license.txt \
--rm --user $(id -u):$(id -g) \
deepmi/fastsurfer:latest \
--fs_license $HOME/my_fs_license.txt \
--t1 $HOME/my_mri_data/subjectX/t1.nii.gz \
--sid subjectX \
--sd $HOME/my_fastsurfer_analysis \
--3T --threads 4
| Flag | Wirkung |
|---|---|
--gpus all | Alle GPUs durchreichen |
--gpus device=0 | Nur GPU 0 |
--gpus 'device=0,1,3' | Mehrere spezifische GPUs |
(kein --gpus) | CPU-only Mode |
-v <host>:<container> | Volume-Mount; identischer Pfad innerhalb/ausserhalb empfohlen |
--rm | Container nach Run löschen |
--user $(id -u):$(id -g) | Run als Host-User (Output-Files gehören dir, nicht root) |
--entrypoint <cmd> | Override Default-Entrypoint (z.B. für brun_fastsurfer.sh) |
docker run \
-v $HOME/my_mri_data:$HOME/my_mri_data \
-v $HOME/my_fastsurfer_analysis:$HOME/my_fastsurfer_analysis \
-v $HOME/my_fs_license.txt:$HOME/my_fs_license.txt \
--rm --user $(id -u):$(id -g) \
deepmi/fastsurfer:cpu-latest \
--fs_license $HOME/my_fs_license.txt \
--t1 $HOME/my_mri_data/subjectX/t1.nii.gz \
--sid subjectX --sd $HOME/my_fastsurfer_analysis \
--device cpu --viewagg_device cpu --threads max
brun_fastsurfer.sh braucht eigenen Entrypoint:
docker run --gpus all \
-v $HOME/my_mri_data:/data \
-v $HOME/my_fastsurfer_analysis:/output \
-v $HOME/my_fs_license_dir:/fs_license \
--entrypoint "/fastsurfer/brun_fastsurfer.sh" \
--rm --user $(id -u):$(id -g) \
deepmi/fastsurfer:latest \
--fs_license /fs_license/license.txt \
--sd /output --subject_list /data/subjects_list.txt \
--3T --threads 4
Subject-list-Format (one per line):
subject1=/data/sub1/t1.nii.gz
subject2=/data/sub2/t1.nii.gz
Pfade müssen container-internal sein (also unter den -v <host>:<container> Mappings).
# Aus Docker-Image
singularity build fastsurfer-gpu.sif docker://deepmi/fastsurfer:latest
singularity build fastsurfer-cpu.sif docker://deepmi/fastsurfer:cpu-latest
singularity exec --nv \
--no-mount home,cwd -e \
-B $HOME/my_mri_data:$HOME/my_mri_data \
-B $HOME/my_fastsurfer_analysis:$HOME/my_fastsurfer_analysis \
-B $HOME/my_fs_license.txt:$HOME/my_fs_license.txt \
./fastsurfer-gpu.sif \
/fastsurfer/run_fastsurfer.sh \
--fs_license $HOME/my_fs_license.txt \
--t1 $HOME/my_mri_data/subjectX/t1.nii.gz \
--sid subjectX \
--sd $HOME/my_fastsurfer_analysis \
--3T --threads 4
| Flag | Wirkung |
|---|---|
--nv | GPU-Passthrough (NVIDIA) |
--no-mount home,cwd | Verhindert automatisches Mount von $HOME und cwd |
-e / --cleanenv | Saubere Environment (kein Host-env-leakage) |
-B <host>:<container> | Bind-Mount |
--rocm | AMD-GPU statt NVIDIA |
singularity run ./fastsurfer.sif --t1 ... --sid ... ist eine Kurzform die den default-Entrypoint run_fastsurfer.sh nutzt.
singularity exec --nv --no-home \
-B $HOME/my_mri_data:/data \
-B $HOME/my_fastsurfer_analysis:/output \
-B $HOME/my_fs_license_dir:/fs_license \
./fastsurfer-gpu.sif \
/fastsurfer/brun_fastsurfer.sh \
--fs_license /fs_license/license.txt \
--sd /output --subject_list /data/subjects_list.txt \
--3T --threads 4
Zwei Schulen für Volume-Mounting:
Identische Pfade host↔container (empfohlen für Mac/Dev):
-v $HOME/foo:$HOME/foo
--t1 $HOME/foo/sub/t1.nii.gz
Vorteil: kein Pfad-Übersetzen nötig.
Konventional-Mounts (empfohlen für Container-Cluster):
-v $HOME/foo:/data
--t1 /data/sub/t1.nii.gz
Vorteil: Subject-Listen können konstante Pfade enthalten.
Pfade in --t1, --sd, --fs_license, etc. müssen IMMER container-intern sein.
Ohne --user $(id -u):$(id -g) laufen Container als root → Output-Files gehören root, du kannst sie nicht löschen ohne sudo.
Mit --user $(id -u):$(id -g): Output-Files gehören dir.
Singularity erbt per Default die User-ID des Aufrufers — kein --user-Flag nötig.
fastsurfer-overview-Sektion zu Install + doc/overview/MACOS.md im FastSurfer-Repo.--device cpu ist die richtige Wahl.| Error | Ursache | Fix |
|---|---|---|
permission denied beim Output | Container läuft als root | --user $(id -u):$(id -g) (Docker) |
nvidia-container-cli: requirement error | NVIDIA-Container-Toolkit fehlt | NVIDIA-Container-Toolkit installieren |
No CUDA-capable device | --gpus all fehlt oder GPU nicht durchgereicht | --gpus all (Docker), --nv (Singularity) |
FreeSurfer license file not found | License nicht gemountet oder falscher Pfad | -v <license>:<license> und gleichen Pfad in --fs_license nutzen |
Path is not absolute | Relative Pfade an FastSurfer | alle Pfad-Flags absolut machen |
| Image-Pull-Timeout | Slow Network / Rate-Limit auf DockerHub | manuell docker pull deepmi/fastsurfer:latest vorher |
fastsurfer-batch-slurmfastsurfer-debug-licensefastsurfer-debug-gpu-memoryfastsurfer-cli-flagsnpx claudepluginhub marifl/fastsurfer-plugin --plugin fastsurferGuides creation, editing, and verification of skills for AI coding agents using test-driven development with subagent scenarios. Use when authoring or debugging skills.