本站支持搜索的镜像仓库:Docker Hub、gcr.io、ghcr.io、quay.io、k8s.gcr.io、registry.gcr.io、elastic.co、mcr.microsoft.com

用于机器学模型训练的Docker镜像,集成主流深度学框架(TensorFlow、PyTorch等)、GPU加速工具(CUDA、cuDNN)及数据集管理组件,旨在解决训练环境配置复杂、跨平台一致性差等问题,支持快速搭建标准化训练环境并运行模型训练任务。
# 启动PyTorch训练环境(默认配置) docker run -it \ --gpus all \ # 启用GPU(需安装nvidia-container-toolkit) -v /local/data:/app/data \ # 挂载本地数据集目录 -v /local/scripts:/app/scripts \ # 挂载训练脚本目录 -v /local/output:/app/output \ # 挂载训练结果输出目录 training-image:latest \ python /app/scripts/train.py --data /app/data --epochs 10
# 启动TensorFlow训练环境,指定日志级别 docker run -it \ --gpus all \ -v /local/data:/app/data \ -v /local/scripts:/app/scripts \ -e FRAMEWORK=tensorflow \ # 指定使用TensorFlow框架 -e LOG_LEVEL=debug \ # 设置日志级别为debug training-image:latest \ python /app/scripts/train_tf.py --batch_size 32
version: '3.8' services: trainer: image: training-image:latest runtime: nvidia # 启用GPU支持 volumes: - ./local_data:/app/data:ro # 数据集目录(只读) - ./train_scripts:/app/scripts:ro # 训练脚本目录(只读) - ./model_output:/app/output # 模型输出目录(可写) environment: - FRAMEWORK=pytorch # 深度学***框架(pytorch/tensorflow,默认pytorch) - GPU_SUPPORT=true # 是否启用GPU(true/false,默认false) - DATA_PATH=/app/data # 容器内数据集路径(默认/app/data) - OUTPUT_PATH=/app/output # 容器内模型输出路径(默认/app/output) - MAX_EPOCHS=50 # 最大训练轮数(自定义训练脚本可读取) command: python /app/scripts/main.py --learning_rate 0.001
| 环境变量名 | 描述 | 默认值 | 可选值 |
|---|---|---|---|
FRAMEWORK | 指定深度学***框架 | pytorch | pytorch/tensorflow |
GPU_SUPPORT | 是否启用GPU加速 | false | true/false |
DATA_PATH | 容器内数据集根路径 | /app/data | 容器内绝对路径 |
OUTPUT_PATH | 模型/日志输出根路径 | /app/output | 容器内绝对路径 |
LOG_LEVEL | 训练日志级别 | info | debug/info/warning/error |
PYTHON_VERSION | Python解释器版本 | 3.9 | 3.8/3.9/3.10 |
| 容器目录 | 用途 | 本地挂载建议 |
|---|---|---|
/app/data | 存放训练/验证数据集 | 本地数据集目录(如/home/user/datasets) |
/app/scripts | 存放训练脚本(.py文件) | 本地脚本目录(如/home/user/train_scripts) |
/app/output | 保存训练日志、模型文件 | 本地输出目录(如/home/user/model_output) |
/app/checkpoints | 训练中间 checkpoint | 本地 checkpoint 目录(可选挂载) |
docker pull training-image:latest预拉取pip install临时安装,或基于此镜像构建自定义镜像(FROM training-image:latest)--memory和--cpus参数限制资源使用,避免影响主机其他服务免费版仅支持 Docker Hub 加速,不承诺可用性和速度;专业版支持更多镜像源,保证可用性和稳定速度,提供优先客服响应。
免费版仅支持 docker.io;专业版支持 docker.io、gcr.io、ghcr.io、registry.k8s.io、nvcr.io、quay.io、mcr.microsoft.com、docker.elastic.co 等。
当返回 402 Payment Required 错误时,表示流量已耗尽,需要充值流量包以恢复服务。
通常由 Docker 版本过低导致,需要升级到 20.x 或更高版本以支持 V2 协议。
先检查 Docker 版本,版本过低则升级;版本正常则验证镜像信息是否正确。
使用 docker tag 命令为镜像打上新标签,去掉域名前缀,使镜像名称更简洁。
探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录方式配置轩辕镜像加速服务,包含7个详细步骤
在 Linux 系统上配置轩辕镜像源,支持主流发行版
在 Docker Desktop 中配置轩辕镜像加速,适用于桌面系统
在 Docker Compose 中使用轩辕镜像加速,支持容器编排
在 k8s 中配置 containerd 使用轩辕镜像加速
在宝塔面板中配置轩辕镜像加速,提升服务器管理效率
在 Synology 群晖NAS系统中配置轩辕镜像加速
在飞牛fnOS系统中配置轩辕镜像加速
在极空间NAS中配置轩辕镜像加速
在爱快ikuai系统中配置轩辕镜像加速
在绿联NAS系统中配置轩辕镜像加速
在威联通NAS系统中配置轩辕镜像加速
在 Podman 中配置轩辕镜像加速,支持多系统
配置轩辕镜像加速9大主流镜像仓库,包含详细配置步骤
无需登录即可使用轩辕镜像加速服务,更加便捷高效
需要其他帮助?请查看我们的 常见问题 或 官方QQ群: 13763429