专属
文档
插件
助手
邀请
顶部
快速返回页面顶部
收起
收起工具栏
轩辕镜像 官方专业版
轩辕镜像
专业版
轩辕镜像 官方专业版
轩辕镜像
专业版
首页个人中心搜索镜像

交易
充值流量我的订单
工具
提交工单页面收录一键安装
Npm 源Pip 源Homebrew 源
帮助
常见问题轩辕镜像免费版
其他
关于我们网站地图
热门搜索:
tensorflow-benchmarks

mpioperator/tensorflow-benchmarks

自动构建
mpioperator

MPI Operator是一个在Kubernetes上轻松运行allreduce风格分布式训练的工具,通过MPIJob自定义资源简化多节点训练任务的部署、管理和监控,支持行业广泛采用的分布式训练模式。

1 次收藏下载次数: 0状态:自动构建维护者:mpioperator仓库类型:镜像最近更新:4 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。

轩辕镜像,让镜像更快,让人生更轻。点击查看
中文简介
标签下载
镜像标签列表与下载命令
轩辕镜像,让镜像更快,让人生更轻。点击查看

MPI Operator

https://github.com/kubeflow/mpi-operator/workflows/build/badge.svg](https://github.com/kubeflow/mpi-operator/actions?query=event%3Apush+branch%3Amaster) https://goreportcard.com/badge/github.com/kubeflow/mpi-operator](https://goreportcard.com/report/github.com/kubeflow/mpi-operator)

MPI Operator能够在Kubernetes上轻松运行allreduce风格的分布式训练。有关MPI Operator的介绍及其行业应用,请查看这篇博客文章。

镜像概述和主要用途

MPI Operator是Kubeflow生态的一部分,旨在简化Kubernetes集群上分布式训练任务的管理。它通过自定义资源(CRD)MPIJob提供声明式API,允许用户定义和部署多节点MPI训练作业,支持TensorFlow、PyTorch等主流深度学习框架的分布式训练。

核心功能和特性

  • 声明式API:通过MPIJob自定义资源定义分布式训练任务,简化配置和管理
  • 自动资源调度:自动处理Worker节点和Launcher节点的调度与协调
  • 灵活的部署选项:支持自定义容器镜像、资源限制(如GPU)、环境变量等
  • 作业监控:提供作业状态跟踪和日志查看功能
  • 指标暴露:内置Prometheus指标,用于监控作业创建、成功和失败情况

安装

基本部署

使用默认设置部署operator:

shell
git clone https://github.com/kubeflow/mpi-operator
cd mpi-operator
kubectl create -f deploy/v1alpha2/mpi-operator.yaml

通过Kubeflow部署

或者,按照快速入门指南部署Kubeflow。Kubeflow 0.2.0版本引入了MPI支持的alpha版本,需使用高于0.2.0的Kubeflow版本。

验证CRD安装

检查MPI Job自定义资源是否已安装:

shell
kubectl get crd

输出应包含mpijobs.kubeflow.org:

NAME                                       AGE
...
mpijobs.kubeflow.org                       4d
...

使用Kustomize安装

如果未安装,可使用https://github.com/kubernetes-sigs/kustomize%E6%B7%BB%E5%8A%A0%EF%BC%9A

bash
git clone https://github.com/kubeflow/mpi-operator
cd mpi-operator/manifests
kustomize build overlays/kubeflow | kubectl apply -f -

注意:Kubernetes v1.14及以上版本中,kustomize已成为kubectl的子命令,可使用:

bash
kubectl kustomize base | kubectl apply -f -

创建MPI Job

定义MPIJob配置文件

通过定义MPIJob配置文件创建MPI作业。查看https://github.com/kubeflow/mpi-operator/blob/master/examples/v1alpha2/tensorflow-benchmarks.yaml%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6%EF%BC%8C%E8%AF%A5%E6%96%87%E4%BB%B6%E7%94%A8%E4%BA%8E%E5%90%AF%E5%8A%A8%E5%A4%9A%E8%8A%82%E7%82%B9TensorFlow%E5%9F%BA%E5%87%86%E8%AE%AD%E7%BB%83%E4%BD%9C%E4%B8%9A%E3%80%82%E5%8F%AF%E6%A0%B9%E6%8D%AE%E9%9C%80%E6%B1%82%E4%BF%AE%E6%94%B9%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6%E3%80%82

查看示例配置:

shell
cat examples/v1alpha2/tensorflow-benchmarks.yaml

部署MPIJob

部署MPIJob资源以启动训练:

shell
kubectl create -f examples/v1alpha2/tensorflow-benchmarks.yaml

监控MPI Job

查看Pod状态

创建MPIJob资源后,可以看到与指定GPU数量匹配的Pod:

shell
kubectl get pods

查看作业状态

通过状态部分监控作业状态。以下是作业成功完成时的示例输出:

shell
kubectl get -o yaml mpijobs tensorflow-benchmarks
yaml
apiVersion: kubeflow.org/v1alpha2
kind: MPIJob
metadata:
  creationTimestamp: "2019-07-09T22:15:51Z"
  generation: 1
  name: tensorflow-benchmarks
  namespace: default
  resourceVersion: "5645868"
  selfLink: /apis/kubeflow.org/v1alpha2/namespaces/default/mpijobs/tensorflow-benchmarks
  uid: 1c5b470f-a297-11e9-964d-88d7f67c6e6d
spec:
  cleanPodPolicy: Running
  mpiReplicaSpecs:
    Launcher:
      replicas: 1
      template:
        spec:
          containers:
          - command:
            - mpirun
            - --allow-run-as-root
            - -np
            - "2"
            - -bind-to
            - none
            - -map-by
            - slot
            - -x
            - NCCL_DEBUG=INFO
            - -x
            - LD_LIBRARY_PATH
            - -x
            - PATH
            - -mca
            - pml
            - ob1
            - -mca
            - btl
            - ^openib
            - python
            - scripts/tf_cnn_benchmarks/tf_cnn_benchmarks.py
            - --model=resnet101
            - --batch_size=64
            - --variable_update=horovod
            image: mpioperator/tensorflow-benchmarks:latest
            name: tensorflow-benchmarks
    Worker:
      replicas: 1
      template:
        spec:
          containers:
          - image: mpioperator/tensorflow-benchmarks:latest
            name: tensorflow-benchmarks
            resources:
              limits:
                nvidia.com/gpu: 2
  slotsPerWorker: 2
status:
  completionTime: "2019-07-09T22:17:06Z"
  conditions:
  - lastTransitionTime: "2019-07-09T22:15:51Z"
    lastUpdateTime: "2019-07-09T22:15:51Z"
    message: MPIJob default/tensorflow-benchmarks is created.
    reason: MPIJobCreated
    status: "True"
    type: Created
  - lastTransitionTime: "2019-07-09T22:15:54Z"
    lastUpdateTime: "2019-07-09T22:15:54Z"
    message: MPIJob default/tensorflow-benchmarks is running.
    reason: MPIJobRunning
    status: "False"
    type: Running
  - lastTransitionTime: "2019-07-09T22:17:06Z"
    lastUpdateTime: "2019-07-09T22:17:06Z"
    message: MPIJob default/tensorflow-benchmarks successfully completed.
    reason: MPIJobSucceeded
    status: "True"
    type: Succeeded
  replicaStatuses:
    Launcher:
      succeeded: 1
    Worker: {}
  startTime: "2019-07-09T22:15:51Z"

查看训练日志

训练通常运行100步,在GPU集群上需要几分钟。作业启动后,通过launcher pod查看日志:

shell
PODNAME=$(kubectl get pods -l mpi_job_name=tensorflow-benchmarks,mpi_role_type=launcher -o name)
kubectl logs -f ${PODNAME}

示例日志输出:

TensorFlow:  1.14
Model:       resnet101
Dataset:     imagenet (synthetic)
Mode:        training
SingleSess:  False
Batch size:  128 global
             64 per device
Num batches: 100
Num epochs:  0.01
Devices:     ['horovod/gpu:0', 'horovod/gpu:1']
NUMA bind:   False
Data format: NCHW
Optimizer:   sgd
Variables:   horovod

...

40	images/sec: 154.4 +/- 0.7 (jitter = 4.0)	8.280
40	images/sec: 154.4 +/- 0.7 (jitter = 4.1)	8.482
50	images/sec: 154.8 +/- 0.6 (jitter = 4.0)	8.397
50	images/sec: 154.8 +/- 0.6 (jitter = 4.2)	8.450
60	images/sec: 154.5 +/- 0.5 (jitter = 4.1)	8.321
60	images/sec: 154.5 +/- 0.5 (jitter = 4.4)	8.349
70	images/sec: 154.5 +/- 0.5 (jitter = 4.0)	8.433
70	images/sec: 154.5 +/- 0.5 (jitter = 4.4)	8.430
80	images/sec: 154.8 +/- 0.4 (jitter = 3.6)	8.199
80	images/sec: 154.8 +/- 0.4 (jitter = 3.8)	8.404
90	images/sec: 154.6 +/- 0.4 (jitter = 3.7)	8.418
90	images/sec: 154.6 +/- 0.4 (jitter = 3.6)	8.459
100	images/sec: 154.2 +/- 0.4 (jitter = 4.0)	8.372
100	images/sec: 154.2 +/- 0.4 (jitter = 4.0)	8.542
----------------------------------------------------------------
total images/sec: 308.27

暴露的指标

指标名称指标类型描述标签
mpi_operator_jobs_created_totalCounter已创建的MPI作业数量
mpi_operator_jobs_successful_totalCounter成功完成的MPI作业数量
mpi_operator_jobs_failed_totalCounter失败的MPI作业数量
mpi_operator_job_infoGaugeMPIJob的信息launcher=<launcher-pod-name>
namespace=<job-namespace>

指标关联

使用https://github.com/kubernetes/kube-state-metrics%EF%BC%8C%E5%8F%AF%E4%BB%A5%E9%80%9A%E8%BF%87%E6%A0%87%E7%AD%BE%E5%85%B3%E8%81%94%E6%8C%87%E6%A0%87%E3%80%82%E4%BE%8B%E5%A6%82%EF%BC%9A

kube_pod_info * on(pod,namespace) group_left label_replace(mpi_operator_job_infos, "pod", "$0", "launcher", ".*")

Docker镜像

Docker镜像会自动构建并推送到https://hub.docker.com/u/mpioperator%E3%80%82%E5%8F%AF%E4%BD%BF%E7%94%A8%E4%BB%A5%E4%B8%8BDockerfile%E8%87%AA%E8%A1%8C%E6%9E%84%E5%BB%BA%E9%95%9C%E5%83%8F%EF%BC%9A

  • https://github.com/kubeflow/mpi-operator/blob/master/Dockerfile
  • https://github.com/kubeflow/mpi-operator/blob/master/cmd/kubectl-delivery/Dockerfile

使用场景和适用范围

MPI Operator适用于需要在Kubernetes集群上运行分布式训练的场景,特别是:

  • 深度学习模型的多节点训练(如ResNet、BERT等)
  • 使用MPI/OpenMPI进行通信的分布式计算任务
  • 需要利用GPU资源进行高性能计算的场景
  • 希望通过Kubernetes管理和扩展分布式训练工作流的团队

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 tensorflow-benchmarks 镜像标签

docker pull docker.xuanyuan.run/mpioperator/tensorflow-benchmarks:<标签>

使用方法:

  • 登录认证方式
  • 免认证方式

DockerHub 原生拉取命令

docker pull mpioperator/tensorflow-benchmarks:<标签>

更多 tensorflow-benchmarks 镜像推荐

rocm/tensorflow logo

rocm/tensorflow

rocm
支持ROCm后端的Tensorflow
86 次收藏10万+ 次下载
13 天前更新
bitnamicharts/tensorflow-resnet logo

bitnamicharts/tensorflow-resnet

bitnamicharts
Bitnami TensorFlow ResNet的Helm图表,用于在Kubernetes集群上部署TensorFlow Serving ResNet模型,支持资源配置、Prometheus监控等功能,适用于开发和生产环境的模型服务部署。
10万+ 次下载
9 个月前更新
rocm/tensorflow-build logo

rocm/tensorflow-build

rocm
暂无描述
2 次收藏10万+ 次下载
20 天前更新
rootpublic/tensorflow logo

rootpublic/tensorflow

rootpublic
Root Curated tensorflow镜像是基于官方tensorflow/tensorflow构建的安全、轻量且便捷的容器化应用起点,旨在提供更小镜像体积、最小化攻击面和增强的初始安全状态。
9.9千+ 次下载
9 个月前更新
kasmweb/ubuntu-noble-nvidia-tensorflow logo

kasmweb/ubuntu-noble-nvidia-tensorflow

kasmweb
暂无描述
1 次收藏1万+ 次下载
8 天前更新
rocm/tensorflow-serving logo

rocm/tensorflow-serving

rocm
暂无描述
1万+ 次下载
1 年前更新

查看更多 tensorflow-benchmarks 相关镜像

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

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

登录 · 专属域名 · 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

排错

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

DNS 超时

DNS 解析 · 网络超时

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

用户头像

oldzhang

运维工程师

Linux服务器

5

"Docker访问体验非常流畅,大镜像也能快速完成下载。"

轩辕镜像
镜像详情
...
mpioperator/tensorflow-benchmarks
博客Docker 镜像公告与技术博客
热门查看热门 Docker 镜像推荐
教程轩辕镜像功能与使用教程
安装一键安装 Docker 并配置镜像源
官方公众号:源码跳动|官方技术交流群:13763429
官方公众号:源码跳动|官方技术交流群:|问题咨询请:提交工单
商务合作:点击复制邮箱
©2024-2026 源码跳动
商务合作:点击复制邮箱Copyright © 2024-2026 杭州源码跳动科技有限公司. All rights reserved.