热门搜索:
openeuler/jax
openeuler
openEuler官方JAX镜像，提供面向加速器的数组计算和程序转换功能，支持高性能数值计算与大规模机器学习，可自动微分Python和NumPy函数，并通过XLA在TPU、GPU等硬件上编译扩展。
下载次数: 0状态：社区镜像维护者：openeuler仓库类型：镜像最近更新：23 天前
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。
jax | openEuler 镜像文档
镜像概述和主要用途
JAX是一个面向加速器的数组计算和程序转换Python库，专为高性能数值计算和大规模机器学习设计。本镜像是openEuler官方提供的JAX Docker镜像，基于openEuler操作系统构建，可直接用于JAX相关应用的开发和部署。
核心功能和特性
- 自动微分：支持对原生Python和NumPy函数进行自动微分，包括反向模式微分（通过
jax.grad）和前向模式微分，且二者可任意组合至任意阶数 - 硬件加速：利用XLA（Accelerated Linear Algebra）编译和扩展NumPy程序，支持在TPU、GPU及其他硬件加速器上运行
- 高性能计算：针对数值计算场景优化，提供高效的数组操作和计算能力
支持的标签及对应Dockerfile链接
JAX镜像标签由JAX版本和基础镜像版本组成，具体信息如下：
| 标签 | 当前版本信息 | 支持架构 |
|---|---|---|
| 0.10.1-oe2403sp3 | JAX 0.10.1 基于 openEuler 24.03-lts-sp3 | amd64, arm64 |
使用方法和配置说明
拉取镜像
从Docker Hub拉取JAX镜像：
bashdocker pull openeuler/jax:{Tag}
其中{Tag}需替换为上述表格中的具体标签，如0.10.1-oe2403sp3。
运行容器
运行JAX容器并执行简单测试代码：
bashdocker run -it --rm openeuler/jax:{Tag} python3 -c "import jax; import jax.numpy as jnp; print(jnp.ones((3, 4)))"
此命令将启动容器，执行JAX测试代码，输出3x4的全1数组。
问题反馈
如遇问题或需使用特定功能，请在openeuler-docker-images提交issue或pull request。
维护与支持
- 维护方：openEuler CloudNative SIG
- 帮助渠道：openEuler CloudNative SIG、openEuler社区
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 openeuler/jax:<标签>
镜像拉取常见问题
功能
错误码
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。"