openeuler/tensorflow

TensorFlow | openEuler Docker镜像

镜像概述和主要用途

本镜像为基于openEuler构建的TensorFlow官方Docker镜像，由openEuler CloudNative SIG维护。TensorFlow是端到端开源机器学习平台，拥有全面灵活的工具、库和社区资源生态，支持研究人员推动ML技术发展，开发者构建部署ML驱动应用。本仓库可免费使用且无每用户速率限制。

核心功能和特性

• 端到端ML平台：覆盖模型开发、训练到部署全流程
• 丰富生态系统：包含多样化工具、库及社区资源
• 开源免费：遵循开源协议，无使用限制
• 多架构支持：适配amd64和arm64架构
• 稳定基础：基于openEuler操作系统，保障运行稳定性

支持的标签及Dockerfile链接

镜像标签由TensorFlow版本和基础镜像版本组成，具体信息如下：

使用方法和配置说明

拉取镜像

根据需求选择对应{Tag}，执行以下命令拉取镜像：

bash
docker pull openeuler/tensorflow:{Tag}

交互式shell运行

启动带交互式shell的容器以使用TensorFlow：

bash
docker run -it --rm openeuler/tensorflow:{Tag} bash

MNIST示例：TensorFlow入门

1. 创建mnist_example.py文件，内容如下：

python
import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
  loss='sparse_categorical_crossentropy',
  metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

2. 在终端运行该文件：

bash
python3 mnist_example.py

3. 预期输出（实际数值可能略有差异）：

Epoch 1/5
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 6s 3ms/step - accuracy: 0.8580 - loss: 0.4847     
Epoch 2/5
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 5s 3ms/step - accuracy: 0.9551 - loss: 0.1513  
Epoch 3/5
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 5s 3ms/step - accuracy: 0.9685 - loss: 0.1068  
Epoch 4/5
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 5s 3ms/step - accuracy: 0.9727 - loss: 0.0872  
Epoch 5/5
1875/1875 ━━━━━━━━━━━━━━━━━━━━ 5s 3ms/step - accuracy: 0.9773 - loss: 0.0716  
313/313 ━━━━━━━━━━━━━━━━━━━━ 1s 2ms/step - accuracy: 0.9718 - loss: 0.0870   

问题与反馈

如有问题或需特殊功能，可在openeuler-docker-images提交issue或pull request。

获取帮助

• openEuler CloudNative SIG
• openEuler