jax-community

rocm/jax-community Docker Image

基于JAX发布版本构建的ROCm+JAX镜像,提供在ROCm平台上运行JAX的环境,适用于高性能计算与机器学习开发。

1 次收藏下载次数: 0状态:社区镜像维护者:AMD ROCm 官方容器镜像仓库类型:镜像最近更新:

ROCm + JAX 镜像技术文档

1. 镜像概述和主要用途

本镜像基于 JAX 官方发布版本构建,集成 AMD ROCm (Radeon Open Compute Platform) 开源 GPU 计算栈,提供开箱即用的 JAX 运行环境,专为在 AMD GPU 硬件上高效运行 JAX 应用程序设计。
核心用途:支持基于 JAX 的机器学习研究、深度学习训练/推理及高性能计算任务,充分利用 AMD GPU 的计算能力加速数值计算和并行处理。

2. 核心功能和特性

2.1 兼容性

  • ROCm 支持:集成最新稳定版 ROCm 驱动及运行时(如 ROCm 5.7+),兼容 AMD 开源计算生态
  • JAX 版本同步:与 JAX 官方发布版本(如 jax==0.4.23+)严格对应,包含 jax 及 jaxlib 预编译二进制文件
  • GPU 硬件支持:兼容 AMD Radeon RX 6000/7000 系列、Radeon Pro W6000 系列、MI250/MI100/MI50 等数据中心级 GPU

2.2 功能特性

  • 完整依赖集成:预装 JAX 核心依赖库(NumPy, SciPy, JAXlib)及常用扩展(如 jax-numpy, jax-scipy)
  • GPU 加速优化:内置 ROCm 特化的 JAX 后端,支持自动微分、向量化(vmap)、并行化(pmap)等 JAX 核心功能
  • 轻量级设计:基于 Ubuntu 基础镜像,精简系统依赖,最小化镜像体积
  • 多平台适配:支持 Linux x86_64 架构,兼容 Docker/Podman 容器运行时

3. 使用场景和适用范围

3.1 典型场景

  • 机器学习研究:支持基于 JAX 的神经网络训练(如使用 Flax、Haiku 等框架)
  • 深度学习推理:部署经 JAX 优化的模型,利用 AMD GPU 加速推理过程
  • 高性能计算:加速科学计算、数值模拟等并行任务(如流体力学、量子化学)

3.2 适用对象

  • 需要 AMD GPU 硬件加速的 JAX 用户
  • 学术机构、企业研发团队的机器学习/高性能计算项目
  • 基于 AMD 数据中心 GPU(如 MI250X)或消费级 GPU(如 RX 7900 XTX)的计算集群

4. 使用方法和配置说明

4.1 前置条件

  • 宿主机需安装与镜像 ROCm 版本兼容的内核驱动(如 ROCm 5.7 需 Linux 内核 5.15+)
  • 宿主机需启用 IOMMU 并配置 GPU 直通(如用于虚拟化环境)
  • Docker/Podman 环境需支持 GPU 设备挂载(推荐 Docker 20.10+ 或 Podman 4.0+)

4.2 Docker 快速启动(docker run)

4.2.1 基础命令(默认配置)

bash
docker run -it --rm \
  --device=/dev/kfd \
  --device=/dev/dri \
  --group-add docker.xuanyuan.run/video \
  --cap-add=SYS_PTRACE \
  --security-opt seccomp=unconfined \
  rocm-jax:latest \
  bash

4.2.2 挂载本地目录(数据持久化)

bash
docker run -it --rm \
  --device=/dev/kfd \
  --device=/dev/dri \
  --group-add docker.xuanyuan.run/video \
  --cap-add=SYS_PTRACE \
  --security-opt seccomp=unconfined \
  -v /本地路径:/workspace \  # 挂载宿主机目录到容器内/workspace
  -w /workspace \  # 设置工作目录
  rocm-jax:latest \
  python your_jax_script.py

4.3 Docker Compose 配置示例

创建 docker-compose.yml 文件:

yaml
version: '3.8'

services:
  jax-rocm:
    image: docker.xuanyuan.run/rocm-jax:latest
    container_name: jax-rocm-container
    devices:
      - /dev/kfd:/dev/kfd
      - /dev/dri:/dev/dri
    group_add:
      - video
    cap_add:
      - SYS_PTRACE
    security_opt:
      - seccomp:unconfined
    volumes:
      - ./local_data:/workspace  # 挂载本地数据目录
    working_dir: /workspace
    environment:
      - JAX_PLATFORMS=rocm  # 强制使用ROCm后端
      - TF_CPP_MIN_LOG_LEVEL=2  # 抑制TensorFlow日志(JAX依赖)
    command: python train.py  # 启动命令(示例:运行训练脚本)

启动服务:

bash
docker-compose up -d

4.4 环境变量说明

环境变量名说明默认值
JAX_PLATFORMS指定 JAX 计算平台,可选值:rocm(GPU)、cpu(CPU)、auto(自动检测)auto
JAX_ENABLE_X64是否启用64位浮点数支持(True/False)False
TF_CPP_MIN_LOG_LEVELTensorFlow 日志级别(0=全部,1=警告,2=错误,3=无输出)1
HIP_VISIBLE_DEVICES指定可见 GPU 设备(如 0,1 表示使用第1、2块GPU)全部设备

4.5 使用步骤

步骤1:拉取镜像

bash
docker pull docker.xuanyuan.run/rocm-jax:latest  # 或指定版本标签,如 rocm-jax:jax-v0.4.23-rocm5.7

步骤2:启动容器并运行任务

bash
# 示例:运行JAX设备检测脚本
docker run -it --rm \
  --device=/dev/kfd --device=/dev/dri \
  --group-add docker.xuanyuan.run/video \
  rocm-jax:latest \
  python -c "import jax; print('GPU设备数量:', jax.device_count()); print('默认设备:', jax.devices()[0])"

步骤3:验证安装

若输出类似以下内容,表明 ROCm 后端正常加载:

GPU设备数量: 1
默认设备: rocm:0 (AMD Radeon RX 7900 XTX)

5. 注意事项

  • 版本兼容性:确保宿主机 ROCm 驱动版本与镜像内置版本一致(如镜像使用 ROCm 5.7,宿主机需安装 5.7 驱动)
  • GPU 内存限制:运行大模型时,可通过 --shm-size=16g 调整共享内存大小,避免 OOM 错误
  • 权限配置:宿主机需将当前用户添加到 video 和 render 组,以访问 GPU 设备文件

6. 维护与更新

  • 镜像版本与 JAX 官方发布同步更新,标签格式为 rocm-jax:jax-<jax版本>-rocm<rocm版本>(如 jax-v0.4.23-rocm5.7)
  • 问题反馈:请提交至 JAX 官方 GitHub 仓库(https://github.com/google/jax)或 AMD ROCm 社区(https://github.com/RadeonOpenCompute)

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 jax-community 镜像标签

docker pull docker.xuanyuan.run/rocm/jax-community:<标签>

DockerHub 原生拉取命令

docker pull rocm/jax-community:<标签>
专业版 · 高速稳定拉取镜像
50GB 仅 ¥8/年
高速镜像下载在线技术支持专业版保障服务可用付费会员免广告