intel/intel-optimized-ml【项目不再积极管理】此镜像仓库将不再由Intel维护。
Intel® Scikit-learn扩展(Intel® Extension for Scikit-learn*)通过加速Intel®硬件上的机器学习模型训练和推理,提升了Scikit-learn*的性能。
XGBoost*是一个优化的分布式梯度提升库,设计高效、灵活且可移植。
以下镜像包含Intel® Scikit-learn扩展和XGBoost:
| 标签(s) | Intel SKLearn | Scikit-learn | XGBoost | Dockerfile |
|---|---|---|---|---|
2024.7.0-pip-base, latest | v2024.7.0 | v1.5.2 | v2.1.1 | v0.4.0 |
2024.6.0-pip-base | v2024.6.0 | v1.5.0 | v2.1.0 | v0.4.0 |
2024.5.0-pip-base | v2024.5.0 | v1.5.0 | v2.1.0 | v0.4.0 |
2024.3.0-pip-base | v2024.3.0 | v1.4.2 | v2.0.3 | v0.4.0-Beta |
2024.2.0-xgboost-2.0.3-pip-base | v2024.2.0 | v1.4.1 | v2.0.3 | v0.4.0-Beta |
scikit-learning-2024.0.0-xgboost-2.0.2-pip-base | v2024.0.0 | v1.3.2 | v2.0.2 | v0.3.4 |
以下镜像额外包含Jupyter Notebook服务器:
| 标签(s) | Intel SKLearn | Scikit-learn | XGBoost | Dockerfile |
|---|---|---|---|---|
2024.7.0-pip-jupyter | v2024.7.0 | v1.5.2 | v2.1.1 | v0.4.0 |
2024.6.0-pip-jupyter | v2024.6.0 | v1.5.1 | v2.1.1 | v0.4.0 |
2024.5.0-pip-jupyter | v2024.5.0 | v1.5.0 | v2.1.0 | v0.4.0 |
2024.3.0-pip-jupyter | v2024.3.0 | v1.4.2 | v2.0.3 | v0.4.0-Beta |
2024.2.0-xgboost-2.0.3-pip-jupyter | v2024.2.0 | v1.4.1 | v2.0.3 | v0.4.0-Beta |
scikit-learning-2024.0.0-xgboost-2.0.2-pip-jupyter | v2024.0.0 | v1.3.2 | v2.0.2 | v0.3.4 |
bashdocker run -it --rm \ -p 8888:8888 \ --net=host \ -v $PWD/workspace:/workspace \ -w /workspace \ intel/intel-optimized-ml:2024.2.0-xgboost-2.0.3-pip-jupyter
运行上述命令后,将URL(类似http://127.0.0.1:$PORT/?token=***)复制到浏览器中以访问Notebook服务器。
以下镜像包含Intel® Python发行版(Intel® Distribution for Python*):
| 标签(s) | Intel SKLearn | Scikit-learn | XGBoost | Dockerfile |
|---|---|---|---|---|
2024.7.0-idp-base | v2024.7.0 | v1.5.2 | v2.1.1 | v0.4.0 |
2024.6.0-idp-base | v2024.6.0 | v1.5.1 | v2.1.1 | v0.4.0 |
2024.5.0-idp-base | v2024.5.0 | v1.5.0 | v2.1.0 | v0.4.0 |
2024.3.0-idp-base | v2024.3.0 | v1.4.1 | v2.1.0 | v0.4.0 |
2024.2.0-xgboost-2.0.3-idp-base | v2024.2.0 | v1.4.1 | v2.0.3 | v0.4.0-Beta |
scikit-learning-2024.0.0-xgboost-2.0.2-idp-base | v2024.0.0 | v1.3.2 | v2.0.2 | v0.3.4 |
以下镜像额外包含Jupyter Notebook服务器:
| 标签(s) | Intel SKLearn | Scikit-learn | XGBoost | Dockerfile |
|---|---|---|---|---|
2024.7.0-idp-jupyter | v2024.7.0 | v1.5.2 | v2.1.1 | v0.4.0 |
2024.6.0-idp-jupyter | v2024.6.0 | v1.5.1 | v2.1.1 | v0.4.0 |
2024.5.0-idp-jupyter | v2024.5.0 | v1.5.0 | v2.1.0 | v0.4.0 |
2024.3.0-idp-jupyter | v2024.3.0 | [v1.4.0] | v2.1.0 | v0.4.0 |
2024.2.0-xgboost-2.0.3-idp-jupyter | v2024.2.0 | v1.4.1 | v2.0.3 | v0.4.0-Beta |
scikit-learning-2024.0.0-xgboost-2.0.2-idp-jupyter | v2024.0.0 | v1.3.2 | v2.0.2 | v0.3.4 |
要从源代码构建镜像,请克隆AI Containers仓库([***]
bashcd classical-ml docker compose build ml-base docker compose run ml-base
以下是组中每个容器的服务列表:
| 服务名称 | 描述 |
|---|---|
ml-base | 包含Intel® Scikit-learn扩展和XGBoost的基础镜像 |
jupyter | 添加Jupyter Notebook服务器 |
查看Intel® Python发行版的许可证([***]
以下镜像还包含其他软件,可能受其他许可证约束(如基础镜像中的Pytorch*、Jupyter*、Bash等)。
镜像用户有责任确保对以下镜像的任何使用都符合其中包含的所有软件的相关许可证。
* 其他名称和品牌可能是他人的财产。
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 登录认证访问私有仓库
无需登录使用专属域名
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
VS Code Dev Containers 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
Harbor Proxy Repository 对接专属域名
Portainer Registries 加速拉取
Nexus3 Docker Proxy 内网缓存
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
manifest unknown
no matching manifest(架构)
invalid tar header(解压)
TLS 证书失败
DNS 超时
410 Gone 排查
402 与流量用尽
401 认证失败
429 限流
D-Bus 凭证提示
413 与超大单层
来自真实用户的反馈,见证轩辕镜像的优质服务