热门搜索:
nakosung/pytorch
自动构建
nakosung
用于NLP和深度学习的Dockerfile集合，包含Tensorflow、PyTorch和Torch等主流深度学习框架，可从floydhub的Docker Hub获取。
下载次数: 0状态：自动构建维护者：nakosung仓库类型：镜像最近更新：8 年前
Floydhub深度学习与NLP Docker镜像集合
镜像概述和主要用途
本镜像集合包含适用于自然语言处理（NLP）和深度学习任务的Dockerfile，旨在为开发者提供便捷的深度学习环境。相关镜像可通过https://hub.docker.com/r/floydhub/%E4%B8%8B%E8%BD%BD%E8%8E%B7%E5%8F%96%E3%80%82
核心功能和特性
- 多框架支持：集成主流深度学习框架，包括Tensorflow、PyTorch和Torch
- 标准化结构：采用统一的目录组织和命名规范，便于镜像管理和版本控制
- 自动化构建：通过脚本自动生成标准化镜像标签，确保版本一致性
命名约定
目录结构
Dockerfile按以下目录结构组织：
CATEGORY/PROJECT_NAME/VERSION/Dockerfile-ENV CATEGORY/PROJECT_NAME/VERSION/Dockerfile-ENV.gpu
镜像标签规则
自动化构建脚本基于上述路径生成以下格式的镜像标签：
floydhub/PROJECT_NAME:VERSION-ENV floydhub/PROJECT_NAME:VERSION-ENV-gpu
其中：
PROJECT_NAME：框架名称（如pytorch、tensorflow等）VERSION：框架版本号ENV：环境标识-gpu：表示GPU支持版本（无此后缀为CPU版本）
使用场景和适用范围
适用于需要快速部署深度学习环境的场景，包括：
- NLP模型开发与训练
- 深度学习算法研究和实验
- 模型部署与测试环境搭建
使用方法
拉取镜像
根据标签规则拉取所需镜像：
bash# 拉取CPU版本 docker pull floydhub/PROJECT_NAME:VERSION-ENV # 拉取GPU版本 docker pull floydhub/PROJECT_NAME:VERSION-ENV-gpu
示例（拉取PyTorch GPU版本）：
bashdocker pull floydhub/pytorch:1.8.0-py3-gpu
启动容器
拉取镜像后，通过以下命令启动交互式容器：
bashdocker run -it floydhub/pytorch:1.8.0-py3-gpu /bin/bash
此命令将启动包含PyTorch环境的容器，并进入bash交互终端，可直接进行模型开发和训练工作。
更多相关 Docker 镜像与资源
以下是 nakosung/pytorch 相关的常用 Docker 镜像，适用于 不同场景 等不同场景：
- pytorch/pytorch Docker 镜像说明
- bitnami/pytorch Docker 镜像说明（PyTorch 深度学习框架，Bitnami 企业级配置）
- rocm/pytorch Docker 镜像说明（PyTorch 机器学习框架，ROCm GPU 加速版本）
- nvidia/cuda Docker 镜像说明
- dustynv/vllm Docker 镜像说明（高性能 LLM 推理服务）
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。
DockerHub 原生拉取命令
docker pull nakosung/pytorch:<标签>
更多 pytorch 镜像推荐
pytorch/pytorch
pytorch
PyTorch是一款以Python为首要设计理念的深度学习框架，凭借简洁易用的Python接口、动态计算图机制及强大的灵活性，广泛应用于学术研究与工业开发，支持从快速原型设计到大规模部署的全流程，深度融合Python数据科学生态，为开发者提供高效且直观的深度学习解决方案。
1.6千 次收藏1000万+ 次下载
1 个月前更新
bitnami/pytorch
Bitnami Secure Images（VMware Tanzu）
比特纳米PyTorch安全镜像是一款为深度学习框架PyTorch量身打造的预配置、安全加固型容器镜像，集成经过严格测试的依赖组件，具备漏洞扫描、合规性检查及持续更新机制，可有效保障开发环境安全，简化从模型训练到部署的全流程，适用于科研机构、企业开发者在AI项目中快速构建稳定、安全的PyTorch运行环境。
77 次收藏100万+ 次下载
13 天前更新
rocm/pytorch
rocm
基于ROCm的PyTorch Docker镜像为开发者提供了预配置的深度学习环境，集成了PyTorch框架与AMD ROCm开源计算平台，支持AMD GPU硬件加速，无需手动配置驱动及库依赖，可直接用于深度学习模型的开发、训练与部署，有效简化环境搭建流程，确保跨平台一致性，适用于科研机构、工业界等多种场景，助力高效利用AMD硬件资源开展AI相关任务。
121 次收藏100万+ 次下载
13 天前更新
bitnamicharts/pytorch
bitnamicharts
Bitnami提供的PyTorch Helm chart，用于在Kubernetes环境中简化PyTorch的部署与管理。
10万+ 次下载
6 天前更新
chainguard/pytorch
chainguard
使用Chainguard的低至零CVE容器镜像构建、交付和运行安全软件。
5万+ 次下载
3 天前更新
openeuler/pytorch
openeuler
基于openEuler构建的PyTorch官方Docker镜像，提供张量计算（支持GPU加速）和基于自动微分系统的深度神经网络功能，适用于深度学习开发与研究。
1 次收藏313 次下载
2 年前更新
轩辕镜像配置手册
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
Docker 配置
登录仓库拉取
通过 Docker 登录认证访问私有仓库
专属域名拉取
无需登录使用专属域名
K8s Containerd
Kubernetes 集群配置 Containerd
K3s
K3s 轻量级 Kubernetes 镜像加速
Dev Containers
VS Code Dev Containers 配置
Podman
Podman 容器引擎配置
Singularity/Apptainer
HPC 科学计算容器配置
其他仓库配置
ghcr、Quay、nvcr 等镜像仓库
Harbor 镜像源配置
Harbor Proxy Repository 对接专属域名
Portainer 镜像源配置
Portainer Registries 加速拉取
Nexus 镜像源配置
Nexus3 Docker Proxy 内网缓存
系统配置
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
使用与功能问题
配置了专属域名后，docker search 为什么会报错？
docker search 限制
Docker Hub 上有的镜像，为什么在轩辕镜像网站搜不到？
站内搜不到镜像
机器不能直连外网时，怎么用 docker save / load 迁镜像？
离线 save/load
docker pull 拉插件报错（plugin v1+json）怎么办？
插件要用 plugin install
WSL 里 Docker 拉镜像特别慢，怎么排查和优化？
WSL 拉取慢
轩辕镜像安全吗？如何用 digest 校验镜像没被篡改？
安全与 digest
第一次用轩辕镜像拉 Docker 镜像，要怎么登录和配置？
新手拉取配置
轩辕镜像合规吗？轩辕镜像的合规是怎么做的？
镜像合规机制
错误码与失败问题
docker pull 提示 manifest unknown 怎么办？
manifest unknown
docker pull 提示 no matching manifest 怎么办？
no matching manifest（架构）
镜像已拉取完成，却提示 invalid tar header 或 failed to register layer 怎么办？
invalid tar header（解压）
Docker pull 时 HTTPS / TLS 证书验证失败怎么办？
TLS 证书失败
Docker pull 时 DNS 解析超时或连不上仓库怎么办？
DNS 超时
docker 无法连接轩辕镜像域名怎么办？
域名连通性排查
Docker 拉取出现 410 Gone 怎么办？
410 Gone 排查
出现 402 或「流量用尽」提示怎么办？
402 与流量用尽
Docker 拉取提示 UNAUTHORIZED（401）怎么办？
401 认证失败
遇到 429 Too Many Requests（请求太频繁）怎么办？
429 限流
docker login 提示 Cannot autolaunch D-Bus，还算登录成功吗？
D-Bus 凭证提示
为什么会出现「单层超过 20GB」或 413，无法加速拉取？
413 与超大单层
账号 / 计费 / 权限
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
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"