dustynv/tensorflow2 Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

tensorflow Docker镜像文档

镜像概述和主要用途

tensorflow镜像是支持TensorFlow 1.x（TF1）和TensorFlow 2.x（TF2）的Docker容器，具备CUDA加速能力，专为Jetson平台设计。该镜像基于NVIDIA官方Jetson平台TensorFlow轮子构建，适用于深度学习模型的部署与运行。与l4t-tensorflow容器相比，本镜像不含OpenCV和PyCUDA，专注于核心TensorFlow功能。

核心功能和特性

容器信息

镜像信息

使用场景和适用范围

• 适用平台：Jetson系列设备（如Jetson Nano、Jetson Xavier NX、Jetson AGX Xavier等）
• 系统要求：JetPack 4.6+（L4T R32.6+）或JetPack 5.1+（L4T R35.x+）
• 典型用途：深度学习模型推理部署、TensorFlow应用开发与测试、依赖CUDA加速的AI任务执行

使用方法和配置说明

运行容器

可通过jetson-containers run工具结合autotag自动选择兼容镜像，或手动使用docker run命令启动容器：

bash
# 自动拉取或构建兼容的容器镜像
jetson-containers run $(autotag tensorflow)

# 或显式指定上述镜像列表中的某个镜像
jetson-containers run dustynv/tensorflow:r32.7.1

# 若使用`docker run`（需指定镜像及挂载等参数）
sudo docker run --runtime nvidia -it --rm --network=host dustynv/tensorflow:r32.7.1

^{jetson-containers run会将参数转发给docker run，并添加默认配置（如--runtime nvidia、挂载/data缓存、设备检测等）
autotag会查找与当前JetPack/L4T版本兼容的容器镜像（本地镜像、远程仓库拉取或自动构建）}

挂载本地目录

使用-v或--volume参数将主机目录挂载到容器中：

bash
jetson-containers run -v /主机路径:/容器路径 $(autotag tensorflow)

运行命令而非交互式shell

启动容器时直接执行指定命令：

bash
jetson-containers run $(autotag tensorflow) 应用程序 --参数 数值

构建容器

若使用上述autotag工具，当本地无兼容镜像时会自动提示构建。也可手动构建容器，步骤如下：

1. 先完成系统环境配置
2. 执行构建命令：

bash
jetson-containers build tensorflow

构建过程中会自动包含所需依赖项并进行测试。可通过--help查看更多构建选项：

bash
jetson-containers build tensorflow --help