Bitnami TensorFlow ResNet 镜像

TensorFlow ResNet 是什么？

TensorFlow ResNet 是用于 TensorFlow Serving 和 ResNet 模型的客户端工具。

TensorFlow ResNet 概述
商标声明：本软件列表由 Bitnami 打包。产品中提及的相关商标归各自公司所有，使用这些商标并不意味着任何关联或认可。

快速开始

运行 Docker 镜像前，需先下载 ResNet 模型训练检查点，以便 TensorFlow Serving 服务器使用。

mkdir -p /tmp/model-data/1
cd /tmp/model-data
curl -o resnet_50_classification_1.tar.gz [***]
tar xzf resnet_50_classification_1.tar.gz -C 1

⚠️ 重要通知：Bitnami 目录即将变更

自 2025 年 8 月 28 日起，Bitnami 将升级其公共目录，通过新的 Bitnami 安全镜像计划 提供精选的、安全加固的镜像集。此次过渡包括：

• 首次向社区用户开放热门容器镜像的安全优化版本。
• Bitnami 将开始停止对免费层中非加固的 Debian 基础软件镜像的支持，并逐步从公共目录中移除非最新标签。因此，社区用户将只能访问数量减少的加固镜像，这些镜像仅以“latest”标签发布，适用于开发目的。
• 自 8 月 28 日起，在两周内，所有现有容器镜像（包括旧版本或特定版本标签，如 2.50.0、10.6）将从公共目录（docker.io/bitnami）迁移至“Bitnami Legacy”仓库（docker.io/bitnamilegacy），且不再接收更新。
• 对于生产工作负载和长期支持，建议用户采用 Bitnami 安全镜像，包括加固容器、更小的攻击面、CVE 透明度（通过 VEX/KEV）、SBOM 以及企业支持。

这些变更旨在通过推广软件供应链完整性和最新部署的最佳实践，提升所有 Bitnami 用户的安全态势。更多详情，请访问 Bitnami 安全镜像公告。

为什么使用 Bitnami 安全镜像？

• Bitnami 安全镜像和 Helm 图表旨在提高开源软件的安全性和企业就绪性。
• 使用行业标准漏洞可利用性交换（VEX）、KEV 和 EPSS 评分，更快地分类安全漏洞，透明了解 CVE 风险。
• 我们的加固镜像使用最小化操作系统（Photon Linux），减少攻击面，同时通过行业标准包格式保持可扩展性。
• 通过持续构建的镜像（上游补丁发布后数小时内更新），保持更高的安全性和合规性。
• Bitnami 容器、虚拟机和云镜像使用相同的组件和配置方法，便于根据项目需求在不同格式间切换。
• 加固镜像附带证明签名（Notation）、SBOM、病毒扫描报告和其他元数据，通过 SLSA-3 合规软件工厂生成。

仅部分 BSI 应用可免费使用。希望访问完整应用目录并获得企业支持？立即尝试 Bitnami 安全镜像商业版。

为什么使用非 root 容器？

非 root 容器镜像增加了额外的安全层，通常推荐用于生产环境。然而，由于它们以非 root 用户运行，特权任务通常受限。在我们的文档中了解更多关于 非 root 容器 的信息。

支持的标签及对应的 Dockerfile 链接

了解 Bitnami 标签策略以及滚动标签和不可变标签之间的区别，请参阅我们的 文档页面。

您可以通过查看分支文件夹中的 tags-info.yaml 文件（即 bitnami/ASSET/BRANCH/DISTRO/tags-info.yaml）了解不同标签之间的对应关系。

通过关注 bitnami/containers GitHub 仓库 订阅项目更新。

前提条件

运行此应用需要 Docker Engine 1.10.0 或更高版本。

如何使用此镜像

使用 TensorFlow Serving 运行 TensorFlow ResNet 客户端

推荐将 TensorFlow ResNet 客户端与 TensorFlow Serving 服务器一起运行。

手动运行应用

1. 为应用和服务创建新网络：

   docker network create tensorflow-tier
   

2. 在生成的网络中启动 TensorFlow Serving 服务器：

   docker run -d -v /tmp/model-data:/bitnami/model-data -e TENSORFLOW_SERVING_MODEL_NAME=resnet -p 8500:8500 -p 8501:8501 --name tensorflow-serving --net tensorflow-tier bitnami/tensorflow-serving:latest
   

   注意：需要为容器指定名称，以便 TensorFlow ResNet 客户端解析主机。

3. 运行 TensorFlow ResNet 客户端容器：

   docker run -d -v /tmp/model-data:/bitnami/model-data --name tensorflow-resnet --net tensorflow-tier bitnami/tensorflow-resnet:latest
   

升级此应用

Bitnami 提供 TensorFlow Serving 和 TensorFlow ResNet 客户端的最新版本，包括安全补丁，在上游发布后很快推出。建议按照以下步骤升级容器。此处仅介绍 TensorFlow ResNet 客户端容器的升级。TensorFlow Serving 的升级请参见 <[***]>

1. 获取更新的镜像：

   docker pull bitnami/tensorflow-resnet:latest
   

2. 停止容器

   • $ docker stop tensorflow-resnet

3. 快照应用状态

   rsync -a tensorflow-resnet-persistence tensorflow-resnet-persistence.bkp.$(date +%Y%m%d-%H.%M.%S)
   

此外，快照 TensorFlow Serving 数据

如果升级失败，可使用这些快照恢复应用状态。

4. 删除当前运行的容器

   • $ docker rm tensorflow-resnet

5. 运行新镜像

   • 如需挂载目录：docker run --name tensorflow-resnet bitnami/tensorflow-resnet:latest

配置

预测图像

部署 TensorFlow Serving 和 TensorFlow ResNet 容器后，可使用 resnet_client_cc 工具预测图像。步骤如下：

1. 进入 TensorFlow ResNet 容器：

   docker exec -it tensorflow-resnet /bin/bash
   

2. 下载图像：

   curl -L --output cat.jpeg [***]
   

3. 将图像发送至 TensorFlow Serving 服务器：

   resnet_client_cc --server_port=tensorflow-serving:8500 --image_file=./cat.jpg
   

4. 模型会返回图像类别为 286。可查看 ImageNet 类别索引，类别 286 对应美洲狮。

   calling predict using file: cat.jpg  ...
   call predict ok
   outputs size is 2
   the result tensor[0] is:
   [2.41628254e-06 1.90121955e-06 2.72477027e-05 4.4263885e-07 8.98362089e-07 6.84422412e-06 1.66555201e-05 3.4298439e-06 5.25692e-06 2.66782135e-05...]...
   the result tensor[1] is:
   286
   Done.
   

环境变量

TensorFlow ResNet 可通过首次运行时指定环境变量进行自定义。以下环境变量用于自定义 TensorFlow：

可自定义环境变量

只读环境变量

Bitnami 安全镜像中的 FIPS 配置

Bitnami 安全镜像 目录中的 Bitnami TensorFlow ResNet Docker 镜像包含额外功能和设置，可将容器配置为支持 FIPS 能力。可配置以下环境变量：

• OPENSSL_FIPS：OpenSSL 是否运行在 FIPS 模式。yes（默认）、no。

显著变更

2024 年 1 月 16 日起

• docker-compose.yaml 文件已移除，该文件仅用于内部测试。

2.4.1-debian-10-r87

• 容器初始化逻辑现在使用 bash。

贡献

我们欢迎您为此 Docker 镜像贡献代码。您可以通过创建 issue 请求新功能，或提交 pull request 贡献代码。

问题

如果运行容器时遇到问题，可提交 issue。为获得更好的支持，请务必填写 issue 模板。

许可证

版权所有 © 2025 Broadcom。“Broadcom”一词指 Broadcom Inc. 及其子公司。

根据 Apache 许可证 2.0 版（“许可证”）授权；除非遵守许可证，否则您不得使用此文件。您可以在以下位置获取许可证副本：

<[***]>

除非适用法律要求或书面同意，否则根据许可证分发的软件按“原样”分发，不附带任何明示或暗示的担保或条件。有关许可证下权限和限制的具体语言，请参阅许可证。