spxiong/pytorch Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

spxiong/pytorch 镜像文档

镜像概述

spxiong/pytorch是从cnstark/pytorch-docker派生的Docker镜像项目，提供纯净的PyTorch运行环境，支持PyTorch、Python、操作系统及CUDA的多种版本组合，满足不同深度学习场景的环境需求。

核心功能与特性

• 多版本支持：覆盖PyTorch 1.4-2.9、Python 3.8-3.14、Ubuntu 18.04-22.04、CentOS 8及CUDA 10.0-13.0的几乎所有组合
• 纯净环境：仅包含PyTorch及必要依赖，无多余组件，确保环境一致性
• 跨平台兼容：支持主流Linux操作系统（Ubuntu/CentOS）和不同CUDA版本，适配多种硬件环境
• 易用性：使用方式与PyTorch官方镜像完全一致，降低迁移成本

使用场景与适用范围

• 深度学习模型开发、调试与测试
• 不同PyTorch版本的兼容性验证
• 基于GPU的模型训练（需CUDA支持）
• 跨环境的深度学习项目部署与交付

使用方法与配置说明

准备工作

• 安装Docker：Docker官方安装指南
• 如需使用CUDA功能，需安装Nvidia Container Toolkit：Nvidia-docker安装指南

运行容器

使用与PyTorch官方镜像相同的方式启动容器：

shell
docker run -it --rm \
    --gpus all \  # 仅在使用CUDA版本时需要，启用所有GPU
    --net host \   # 使用主机网络
    -v /path/to/project:/path/to/project \  # 挂载本地项目目录
    -v /path/to/dataset:/path/to/dataset \  # 挂载本地数据集目录
    spxiong/pytorch:[TAG]  # 指定具体镜像标签

参数说明

• --gpus all：启用所有GPU设备（仅适用于包含CUDA的镜像版本）
• --net host：容器使用主机网络栈，便于网络通信
• -v：挂载本地目录到容器，实现数据持久化和项目文件共享
• [TAG]：镜像标签，格式通常包含PyTorch版本、Python版本、OS和CUDA信息（例如2.9-py310-ubuntu22.04-cuda12.1），具体标签可在Docker Hub查询

注意事项

• /path/to/project和/path/to/dataset需替换为实际的本地路径
• 选择镜像标签时需根据项目需求匹配PyTorch版本、Python版本、操作系统及CUDA版本
• 非CUDA版本无需添加--gpus参数

更新日志

• 2024/12/01：支持PyTorch 1.4-2.0版本
• 2024/11/05：支持PyTorch 2.5.x版本。对于2.1及以下版本，请参考原项目DockerHub和原项目GitHub仓库
• 2024/10/10：恢复维护，支持PyTorch 2.1.x、2.2.x、2.3.x、2.4.x版本

相关链接

• GitHub仓库：[***]
• Docker Hub：[***]