ibmcom/powerai Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

PowerAI Docker镜像文档

镜像概述和主要用途

PowerAI Docker镜像是IBM官方提供的容器化解决方案，专为利用IBM Power Systems加速服务器和x86_64平台服务器的独特能力而优化。该镜像集成了多种深度学习框架、支持库和工具，适用于人工智能模型的开发、训练与部署，支持GPU加速以提升计算性能。

核心功能和特性

• 跨平台支持：兼容IBM Power Systems（如AC922 POWER9、S822LC POWER8）和x86_64系统，支持NVIDIA Tesla V100、P100、T4等GPU
• 丰富框架集成：包含TensorFlow、PyTorch、Caffe、XGBoost、Snap ML、Rapids等主流深度学习和机器学习框架
• 版本灵活选择：提供多种标签格式，可根据PowerAI版本、框架类型、CPU/GPU支持、操作系统、Python版本和架构进行选择
• 便捷部署：支持通过Docker命令快速启动容器，提供许可证接受机制，满足合规要求

适用范围

• 人工智能模型开发与训练
• 深度学习应用部署
• 跨平台AI研究与实验
• 需要GPU加速的大规模计算任务

主机系统要求

支持的系统

PowerAI支持以下系统：

• IBM AC922 POWER9系统（配备NVIDIA Tesla V100 GPU）
• IBM S822LC POWER8系统（配备NVIDIA Tesla P100 GPU）
• IBM Power System S822LC（配备NVIDIA Tesla P100 GPU）
• x86_64系统（配备NVIDIA Tesla V100、P100或T4 GPU）

组件版本要求

*所有从1.5.4版本开始的PowerAI镜像需要nvidia-docker 2.0

主机配置

如需将机器设置为使用PowerAI，请按照IBM知识中心中针对Red Hat或Ubuntu的说明进行操作：系统设置指南

该指南包含如何安装NVIDIA GPU驱动、Docker、nvidia-docker等内容。

使用方法

从Docker Hub获取PowerAI镜像

启动PowerAI容器

Red Hat docker

bash
docker run -ti --env LICENSE=yes ibmcom/powerai:<tag> bash 

docker-ce

bash
nvidia-docker run -ti --env LICENSE=yes ibmcom/powerai:<tag> bash 

PyTorch用户注意事项

如果计划在PyTorch中使用任何多处理器数据加载器，容器的默认共享内存段大小可能不够。可通过在docker run命令中添加--ipc=host或--shm-size选项来增加共享内存大小。

有关此问题的更多信息，请参阅PyTorch README的"Docker image"部分：PyTorch Docker说明

许可证接受

使用PowerAI容器前，必须接受所有包含组件的许可证。可通过以下方式查看许可证：

• 镜像内本地路径：$HOME/.powerai/powerai-license/1.7.0/license
• 外部链接：WML CE许可证

接受许可证的方式：

1. 在Docker运行时添加环境变量：--env LICENSE=yes
2. 在已运行的容器内执行脚本：accept-powerai-license.sh

标签格式

基础标签

• latest - PowerAI 1.7.0和Anaconda（Python 3.7）

详细标签格式

<powerai-version>-<framework>-<cpu>-<OS>-<python>-<architecture>

各部分说明

• powerai-version：镜像中安装的PowerAI版本（最新为1.7.0）
  可用选项：1.5.2、1.5.3、1.5.4、1.6.0、1.6.1、1.6.2、1.7.0

• framework：镜像中安装的框架（选项因版本而异）
  可用选项：all、tensorflow(>=1.6.0)、tensorflow-serving(>=1.6.1)、pytorch(>=1.6.0)、caffe(>=1.6.0)、snap-ml(>=1.6.0，仅ppc64le；>=1.7.0，x86_64和ppc64le)、xgboost(>=1.6.1，仅ppc64le；>=1.6.2，x86_64和ppc64le)、rapids(>=1.6.2，仅ppc64le)

• cpu：从PowerAI 1.6.1开始，提供仅CPU版本的深度学习框架，框架名称后附加-cpu
  可用选项：all-cpu(>=1.6.1)、tensorflow-cpu(>=1.6.1)、caffe-cpu(>=1.6.1)、xgboost-cpu(>=1.6.1，仅ppc64le；>=1.6.2，x86_64和ppc64le)、pytorch-cpu(>=1.6.2)、tensorflow-serving-cpu(>=1.7.0)

• os：镜像中的操作系统（选项因版本而异）
  可用选项：ubuntu16.04(<1.6.0)、ubuntu18.04(>=1.6.0)

• python：框架使用的Python版本
  可用选项：py3(<=1.6.1)、<none>(Python 2，<=1.6.1)、py36(>=1.6.2)、py37(>=1.6.2)

• architecture：从PowerAI 1.6.0开始，支持x86_64和ppc64le架构（选项因版本而异）
  可用选项：ppc64le(>=1.6.0)、x86_64(>=1.6.0)、<none>(>=1.6.0，Docker将自动检测架构；<1.6.0，默认提供ppc64le版本)

标签示例

• 1.7.0-pytorch-ubuntu18.04-py36：适用于请求机器架构、Python 3.6的PyTorch镜像
• 1.7.0-all-ubuntu18.04-py37：适用于请求机器架构、Python 3.7的全框架镜像

已安装软件包

PowerAI提供多种深度学习框架、支持库和工具的软件包，各版本包含的组件如下表：

容器使用

用户ID

为满足云用户需求并遵循最小权限原则，镜像中的默认用户为pwrai。
pwrai的uid:gid为2051:2051，并配置了无密码sudo权限。

如需使用root用户，可在运行时通过Docker参数--user root启用。

出于安全考虑，建议利用Docker命名空间，详情参考：Docker用户命名空间

运行PowerAI框架

请参考"MLDL框架入门"页面：MLDL框架使用指南

使用TensorFlow-Serving容器

PowerAI TensorFlow-Serving Docker容器基于TensorFlow提供的tensorflow/serving容器构建。因此，所有TensorFlow Serving的Docker文档均适用于PowerAI TensorFlow Serving镜像，只需将文档中的tensorflow/serving替换为ibmcom/powerai:<powerai-version>-tensorflow-serving-ubuntu18.04-<py36/py37>（GPU版本）或ibmcom/powerai:<powerai-version>-tensorflow-serving-cpu-ubuntu18.04-<py36/py37>（CPU版本）。

许可证信息

• NVIDIA许可证
• Anaconda许可证
• Ubuntu许可证
• PowerAI许可证

NVIDIA

• CUDA工具包
  查看本镜像中包含的CUDA工具包许可证：CUDA许可证

• CUDA深度神经网络库(cuDNN)
  查看本镜像中包含的cuDNN许可证：cuDNN许可证

Anaconda

Anaconda用户许可证可查看：Anaconda EULA

Anaconda下已安装的Python包列表可通过pip show <packagename> | grep License:查看。
要查看特定Python包的许可证，请访问pip show <packagename> | grep Home-page:显示的包官网。

Ubuntu

Ubuntu（