热门搜索:

dustynv/torchvision

dustynv

基于PyTorch的计算机视觉库Docker镜像，适配Jetson设备的JetPack/L4T系统，支持多个版本（0.10.0至0.18.0），集成CUDA、cuDNN加速及Python、NumPy等依赖，提供图像变换、预训练模型和数据集工具，适用于嵌入式视觉任务开发与部署。

2 次收藏下载次数: 0状态：社区镜像维护者：dustynv仓库类型：镜像最近更新：1 年前

让 AI 帮你使用轩辕镜像？ · 展开查看说明

如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。

只需在 AI 对话中先发送下面这句话即可：

请先完整阅读并严格遵守以下文档中的全部规则与要求：

https://xuanyuan.cloud/agents.md

在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。

查看 agents.md 用法指南与完整示范。国内用户首推元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。若 AI 无法访问外链，可打开说明文档复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。

镜像标签列表与下载命令

torchvision Docker镜像文档

镜像概述和主要用途

torchvision是PyTorch的计算机视觉扩展库，提供图像变换、预训练模型、数据集加载等功能。本Docker镜像为NVIDIA Jetson设备优化，集成了运行torchvision所需的全部依赖组件，支持多个版本以匹配不同PyTorch和JetPack/L4T环境，适用于嵌入式平台上的计算机视觉模型开发、训练与推理部署。

支持版本及技术规格

版本号	系统要求	依赖组件	Dockerfile
torchvision:0.15.1	`L4T ['==35.*']`（JetPack 5.x）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile
torchvision:0.16.2	`L4T ['>=35']`（JetPack 5.1+）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile
torchvision:0.17.2（别名：`torchvision`）	`L4T ['>=35']`（JetPack 5.1+）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile
torchvision:0.18.0	`L4T ['>=35']`（JetPack 5.1+）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile
torchvision:0.11.1	`L4T ['==32.*']`（JetPack 4.x）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile
torchvision:0.10.0	`L4T ['==32.*']`（JetPack 4.x）	https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch	https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision/Dockerfile

注：torchvision:0.17.2是主要依赖镜像，被多个上层应用依赖，包括https://github.com/dusty-nv/jetson-containers/tree/master/packages/audio/audiocraft%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/auto_awq%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/diffusion/stable-diffusion%E7%AD%89%E3%80%82

容器镜像信息

仓库/标签	发布日期	架构	大小
https://hub.docker.com/r/dustynv/torchvision/tags	2023-12-14	arm64	1.1GB
https://hub.docker.com/r/dustynv/torchvision/tags	2023-12-11	arm64	5.5GB
https://hub.docker.com/r/dustynv/torchvision/tags	2023-12-14	arm64	5.5GB
https://hub.docker.com/r/dustynv/torchvision/tags	2023-11-05	arm64	5.4GB

兼容性说明：

L4T R32.7容器可运行于JetPack 4.6+（L4T R32.7.x）

L4T R35.x容器可运行于JetPack 5.1+（L4T R35.x）

核心功能和特性

多版本适配：支持从0.10.0到0.18.0的多个torchvision版本，匹配不同PyTorch（1.9至2.3）和JetPack/L4T（R32.x/R35.x）环境。
硬件加速：集成CUDA和cuDNN，利用Jetson设备GPU进行高性能计算，优化视觉任务推理速度。
完整依赖链：预安装build-essential、Python、NumPy、CMake、ONNX等必要组件，开箱即可用于开发。
生态兼容性：作为基础镜像支持多种上层应用，如Stable Diffusion、LLaVA、Transformers等计算机视觉和生成式AI库。

使用场景和适用范围

嵌入式视觉开发：在Jetson Nano/Xavier/Orin设备上开发图像分类、目标检测、语义分割等视觉模型。
模型推理部署：部署预训练torchvision模型或自定义模型到边缘设备，实现实时视觉任务处理。
AI应用集成：作为依赖镜像构建更复杂的AI应用，如多模态模型（图像-文本）、扩散模型等。

运行容器

使用jetson-containers（推荐）

jetson-containers工具可自动处理镜像拉取/构建和运行配置，支持自动匹配设备兼容版本：

bash
# 自动拉取或构建兼容镜像
jetson-containers run $(autotag torchvision)

# 显式指定镜像版本
jetson-containers run dustynv/torchvision:r35.3.1

使用docker run命令

手动使用docker run需指定NVIDIA运行时和必要参数：

bash
# 基本交互式运行
sudo docker run --runtime nvidia -it --rm --network=host dustynv/torchvision:r35.3.1

挂载本地目录

通过-v参数挂载主机目录到容器，实现数据共享：

bash
jetson-containers run -v /host/data:/container/data $(autotag torchvision)

运行自定义命令

在容器中直接执行命令而非交互式shell：

bash
jetson-containers run $(autotag torchvision) python -c "import torchvision; print(torchvision.__version__)"

构建容器

若需手动构建镜像，先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md%EF%BC%8C%E5%86%8D%E6%89%A7%E8%A1%8C%EF%BC%9A

bash
jetson-containers build torchvision

构建过程会自动处理依赖组件编译和集成，并进行测试。使用--help查看更多构建选项：

bash
jetson-containers build torchvision --help

注意事项

JetPack版本匹配：确保镜像L4T版本与设备JetPack版本兼容（如R35.x对应JetPack 5.1+）。
资源需求：复杂视觉任务建议在Jetson Xavier/Orin上运行，以获得足够的计算资源。
网络配置：使用--network=host可直接访问主机网络，便于调试和外部服务连接。

镜像拉取方式

您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问标签列表页面。

轩辕镜像加速拉取命令点我查看更多 torchvision 镜像标签

docker pull docker.xuanyuan.run/dustynv/torchvision:<标签>

使用方法：

DockerHub 原生拉取命令

docker pull dustynv/torchvision:<标签>

轩辕镜像配置手册

按平台快速找到配置文档

Docker

登录仓库拉取

登录认证 · 私有仓库

专属域名拉取

免登录 · 高速拉取

Linux

Docker 镜像配置

Windows / Mac

Docker Desktop 配置

MacOS OrbStack

OrbStack 容器

Docker Compose

Compose 项目配置

NAS

群晖

Synology 配置

飞牛

fnOS 镜像配置

绿联

绿联 NAS

威联通

QNAP 配置

极空间

极空间 NAS

企业仓库

其他仓库

ghcr · Quay · nvcr

Harbor 镜像源

Proxy Repository 对接

Portainer 镜像源

Registries 配置

Nexus 镜像源

Docker Proxy 缓存

开发工具

Dev Containers

VS Code 开发容器

Podman

Podman 配置指南

Singularity / Apptainer

HPC 科学计算容器

Kubernetes

K8s Containerd

Kubernetes · Containerd

K3s

轻量级集群

面板 / 网络

爱快路由

iKuai 镜像加速

宝塔面板

一键配置镜像源

AI

用 AI 使用轩辕镜像

agents.md · AI 对话 · 提示词

一键安装

一键安装 Docker

Linux Docker 一键安装

需要其他帮助？请查看我们的常见问题Docker 镜像访问常见问题解答或提交工单

镜像拉取常见问题

功能

免费版与专业版区别

功能对比 · 版本选择

支持的镜像仓库

Docker Hub · GCR · GHCR

新手拉取配置

docker search 限制

专属域名 · Hub 搜索

不支持 push

仅支持 pull · 不支持

拉取速度原因

带宽 · 缓存 · 冷热镜像

错误码

402 与流量用尽

402 · 流量包 · 充值

401 认证失败

401 · docker login

manifest unknown

标签错误 · 镜像不存在

410 Gone 排查

410 · Docker 升级

429 限流

免费版 · 请求频率

其他报错

DNS 超时

DNS 解析 · 网络超时

TLS 证书失败

no matching manifest（架构）

账号

失败是否计费

manifest · blob · 计费

申请开发票（企业 / 个人）

企业 · 个人 · 工单

修改登录密码

网站 · 仓库 · 重置

注销账户

工单 · 数据 · 注销

原理

mirrors 不生效

daemon.json · 重启

去掉域名前缀

docker tag · 重命名

指定架构拉取

ARM64 · AMD64 · 多架构

latest 与「最新」

digest · 版本号 · 标签

查看全部问题→

用户好评

来自真实用户的反馈，见证轩辕镜像的优质服务

oldzhang

运维工程师

Linux服务器

"Docker访问体验非常流畅，大镜像也能快速完成下载。"