redhatopenjdk/redhat-openjdk18-openshift

镜像概述

TensorFlow是一个开源的数值计算软件库，基于数据流图架构。图中节点代表数学运算，边代表流动的多维数据数组（张量）。它支持在桌面、服务器或移动设备上的CPU/GPU部署，无需重写代码，同时内置数据可视化工具TensorBoard。该库最初由Google Brain团队开发，用于机器学习和深度神经网络研究，现可广泛应用于各类数值计算场景。

核心功能

• 数据流图计算：通过图结构组织运算逻辑与数据流动，实现高效数值计算。
• 跨平台支持：兼容Linux、Mac OS、Windows、Android等系统，支持CPU和GPU加速。
• 可视化工具：TensorBoard提供模型训练过程中的指标监控、图结构展示等功能。
• 灵活扩展：适用于机器学习、深度学习及通用数值计算任务。

使用场景

• 机器学习模型开发与训练（如分类、回归、聚类等任务）。
• 深度神经网络研究（如CNN、RNN、Transformer等架构）。
• 跨平台AI应用部署（如移动设备上的智能识别、推荐系统等）。
• 科学计算与数据分析。

配置说明

安装方式

• 官方二进制包：参考https://www.tensorflow.org/get_started/os_setup.html安装稳定版本。
• Nightly版本：通过pip install tf-nightly（CPU）或pip install tf-nightly-gpu（GPU）安装 nightly 测试版本。

Docker部署示例

CPU版本运行示例：

bash
docker run -it --rm docker.xuanyuan.run/tensorflow/tensorflow:latest python -c "import tensorflow as tf; print('Hello TensorFlow:', tf.__version__)"

GPU版本训练环境示例（需主机支持NVIDIA GPU并安装Docker GPU驱动）：

yaml
version: '3.8'
services:
  tf-training:
    image: docker.xuanyuan.run/tensorflow/tensorflow:latest-gpu
    volumes:
      - ./train_scripts:/scripts
      - ./datasets:/data
      - ./saved_models:/models
    working_dir: /scripts
    command: python train.py --data_dir /data --model_dir /models
    runtime: nvidia  # 启用NVIDIA GPU支持

更多信息

• https://www.tensorflow.org
• https://github.com/tensorflow/models
• https://github.com/tensorflow/tensorflow/blob/master/LICENSE（Apache License 2.0）