TensorFlow - 使用哪个Docker镜像？

Question

来自<{p}下的TensorFlow Download and Setup

Docker安装我看到了：

1. b.gcr.io/tensorflow/tensorflow最新4ac133eed955 653.1 MB
2. b.gcr.io/tensorflow/ tensorflow latest-devel 6a90f0a0e005 2.111 GB
3. b.gcr.io/tensorflow/ tensorflow-full latest edc3d721078b 2.284 GB

我知道2.＆amp; 3.有源代码，我现在使用2.

2＆amp; 2之间有什么区别？ 3.？ 推荐哪一个＆＃34;正常＆＃34;使用？

TLDR：

首先 - 感谢Docker图片！它们是开始使用TF的最简单，最干净的方式。

关于图像的一些事情

• 没有PIL
• 没有nano（但有vi）而且apt-get找不到它。是的，我可能可以为它配置回购，但为什么不开箱即用

Answer 1

有四张图片：

1. b.gcr.io/tensorflow/tensorflow：TensorFlow CPU二进制映像。
2. b.gcr.io/tensorflow/tensorflow:latest-devel：CPU二进制图像加源代码。
3. b.gcr.io/tensorflow/tensorflow:latest-gpu:TensorFlow GPU二进制图片。
4. gcr.io/tensorflow/tensorflow:latest-devel-gpu：GPU二进制图片加源代码。

关注的两个属性是：
 1. CPU或GPU
 2. no source或plus source

CPU或GPU：CPU

对于第一次用户，强烈建议避免使用GPU版本，因为它们可能是难以使用的任何地方。原因是并非所有机器都有符合要求的NVidia图形芯片。您应首先让TensorFlow工作以理解它，然后根据需要继续使用GPU版本。

来自TensorFlow构建说明

  

可选：安装CUDA（Linux上的GPU）

     

为了构建或运行支持GPU的TensorFlow，两者都是Cuda   需要安装NVIDIA的Toolkit 7.0和CUDNN 6.5 V2。

     

TensorFlow GPU支持需要带有GPU卡   NVidia Compute Capability >= 3.5。支持的卡包括但不限于：

     

NVidia Titan
  NVidia Titan X
  NVidia K20
  NVidia K40

no source或plus source：no source

docker图像无需源即可工作。如果由于某些原因需要重建TensorFlow，例如添加new OP，则应该只需要或需要源。

对于使用TensorFlow的新用户的标准建议是从没有源的CPU版本开始。