TensorFlow - 使用哪个 Docker 映像？

Posted 2023-02-22

【中文标题】TensorFlow - 使用哪个 Docker 映像？

【英文标题】：TensorFlow - which Docker image to use?

【发布时间】：2016-01-09 14:32:29

【问题描述】：

来自TensorFlow Download and Setup下

Docker安装我看到了：

b.gcr.io/tensorflow/tensorflow 最新 4ac133eed955 653.1 MB b.gcr.io/tensorflow/tensorflow 最新开发 6a90f0a0e005 2.111 GB b.gcr.io/tensorflow/tensorflow-full 最新 edc3d721078b 2.284 GB

我知道 2. 和 3. 带有源代码，我现在正在使用 2.。

2. 和 3. 有什么区别？ 推荐哪一种用于“正常”使用？

TLDR：

首先 - 感谢 Docker 镜像！它们是从 TF 开始的最简单、最干净的方法。

关于图像的一些事情

没有 PIL 没有 nano（但有 vi）并且 apt-get 找不到它。是的，我可能可以为其配置 repos，但为什么不开箱即用

【问题讨论】：

嗯 - TF GG 正在告诉“在 SO 提问”。所以“说”去找你的GG！这个循环应该结束了。

你没有错，而且确实在正确的地方问了。这只是您要求更新的格式，所以我这样做了。 *** 不是一个讨论板，它倾向于将问题和答案保存在一个标准中。人们来到这里是因为他们可以快速获得特定问题的答案，而且您的问题很具体。然而，回答问题的人喜欢在问题中包含他们需要的所有信息。我不得不寻找信息的来源并添加链接，因为它缺少有关 CPU 和 GPU 的信息。没关系，我刚开始的时候也遇到了同样的问题。

您能否编辑问题并链接回 Google 群组问题。我似乎在那里找不到问题。

【参考方案1】：

有四个图像：

b.gcr.io/tensorflow/tensorflow：TensorFlow CPU 二进制图像。 b.gcr.io/tensorflow/tensorflow:latest-devel: CPU 二进制镜像加源代码。 b.gcr.io/tensorflow/tensorflow:latest-gpu：TensorFlow GPU 二进制图像。 gcr.io/tensorflow/tensorflow:latest-devel-gpu：GPU 二进制图像加源代码。

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

CPU或GPU：CPU

对于第一次使用的用户，强烈建议避免使用 GPU 版本，因为它们可能在任何地方都难以使用。原因是并非所有机器都有满足要求的 NVidia 图形芯片。您应该首先让 TensorFlow 工作以理解它，然后根据需要/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，Cuda 需要安装 NVIDIA 的 Toolkit 7.0 和 CUDNN 6.5 V2。

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

英伟达 Titan 英伟达 Titan X 英伟达 K20 英伟达 K40

no source 或 plus source: no source

泊坞窗图像无需源即可工作。如果您出于某种原因（例如添加new OP）需要重建 TensorFlow，您应该只需要或需要源代码。

对于刚开始使用 TensorFlow 的人的标准建议是从没有源的 CPU 版本开始。

【讨论】：

谢谢，这意味着第一个 b.gcr.io/tensorflow/tensorflow-full 现在已经消失了。但是它仍然可以拉动。 docker pull b.gcr.io/tensorflow/tensorflow-full 使用默认标签：latest 最新：从 tensorflow/tensorflow-full 提取 摘要：sha256:82c4f725adad2196877dfe70d849024ec6e3940081a05a0555cee99c9b213b2d 状态：b.gcr.io/tensorflow/tensorflow 的图像是最新的完整：最新

我安装了 tensorflow-full （正如你所说，它仍然可以拉取）。但是，似乎 tensorflow-full 不包含 alexnet 和 imagenet。所以我想我们最好的选择是改用 tensorflow（因为 tensorflow-full 已经消失了）？

GPU 二进制文件是否也适用于纯 CPU 环境，还是需要 GPU？

@AkiRoss 我不知道；我还没有尝试过。您应该将其作为一个单独的问题提出。

好的，我试过了，如果缺少 GPU，显然它会退回到 CPU，但我不知道是否缺少一些优化。我在这里评论是因为它看起来很中肯。