Question

我正在寻找来自官方/可信资源的深度学习Docker映像。

DockerHub上的TensorFlow图像是由社区用户而非TensorFlow / Google本身添加的：https://hub.docker.com/r/tensorflow/tensorflow/tags
DockerHub上的PyTorch图像是由社区用户添加的，而不是PyTorch / Facebook本身添加的：https://hub.docker.com/r/pytorch/pytorch/tags

在DockerHub上，不存在来自“已验证的发布者”或“官方图片”的TensorFlow或PyTorch images。

然而，在TensorFlow官方TensorFlow website links的情况下，这些图像来自第1点，这使其看起来像“某种程度上”是官方的。（我很困惑。）

他们信任吗？还有其他/更好的资源吗？还是您构建自己的Docker映像？我期待着您的帮助和建议。

Answer 1

如 Tensorflow文档所述，每个版本中的 TensorFlow Docker镜像已被测试。 strong> Dockerhub ，因此您可以将其视为Trusted。

但是，我建议您在TensorFlow中构建自己的Docker映像：

以下命令将TensorFlow 2.0发布图像下载到您的计算机中。
在您的 PowerShell 中运行以下任何命令：

docker pull tensorflow/tensorflow                     # latest stable release
docker pull tensorflow/tensorflow:devel-gpu           # nightly dev release w/ GPU support
docker pull tensorflow/tensorflow:latest-gpu-jupyter  # latest release w/ GPU support and Jupyter

请确保您已正确安装了Docker ，并以管理员的身份运行。

1.1 。安装最新的稳定版本。

PS c:\Users\administrator1> docker pull tensorflow/tensorflow

1.2 安装具有GPU支持的夜间开发版本

PS c:\Users\administrator1> docker pull tensorflow/tensorflow:devel-gpu

1.3 安装具有GPU支持和Jupyter的最新版本。

PS c:\Users\administrator1> docker pull tensorflow/tensorflow:latest-gpu-jupyter

2。。测试TensorFlow 2.0的安装，在PowerShell中运行命令。

PS c:\Users\administrator1> docker pull tensorflow/tensorflow:latest-gpu-jupyter

3。演示一些TensorFlow Docker食谱。

3.1 在TensorFlow配置的容器中启动bash shell会话：

PS c:\> docker run -it tensorflow/tensorflow bash

注意：在目录中输入python，使用简单的tensorflow程序，然后按Enter键

root@03f668710f49:/# python
>>> import tensorflow as tf
>>> print(tf.__version__)
2.0.0

或注意：创建一个目录tmp和script.py，其中包含简单的TensorFlow程序。

import tensorflow as tf, print(tf.__version__))

然后执行命令：

PS C:\tmp> docker run -it --rm -v ${PWD}:/tmp -w /tmp tensorflow/tensorflow python ./script.py

要使用Jupyter Notebook IDE：

4。。使用TensorFlow的每晚构建版本以及Python 3支持来启动Jupyter Notebook服务器：

PS C:\> docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-py3-jupyter

5。。将其中一个网址复制并粘贴到chrome / IE8网络浏览器上。

sample URL http://127.0.0.1:8888/?token=fe9d924aeff07be3ddo74ffdc58b593e59d22d0d24c7188d

寻找官方深度学习Docker映像

1 个答案: