vastai/tensorflow

TensorFlow Docker镜像（基于CUDA 10.0）

镜像概述

本Docker镜像基于nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04构建，集成了Python 3.6和TensorFlow 1.12.0rc1，专为深度学习开发与运行环境设计，提供对特定GPU计算能力的支持。

核心功能与特性

基础环境

• 操作系统：Ubuntu 16.04
• CUDA版本：10.0
• cuDNN版本：7
• Python版本：3.6

TensorFlow环境

• TensorFlow版本：1.12.0rc1（预发布版）

GPU支持

• 计算能力支持：6.1、7.5（适配NVIDIA Pascal和Volta架构GPU）

使用场景

• 深度学习模型开发、调试与测试
• 基于TensorFlow 1.12.0rc1的模型训练任务
• 需要CUDA 10.0环境的深度学习推理应用部署
• 适配计算能力6.1（如GTX 10系列）和7.5（如RTX 20系列）GPU的场景

使用方法与配置说明

前提条件

• 已安装Docker Engine（推荐版本19.03+）
• 已安装nvidia-docker（用于GPU支持）
• 主机配备支持计算能力6.1或7.5的NVIDIA GPU及对应驱动

镜像拉取

假设镜像名称为<image-name>，通过以下命令拉取：

bash
docker pull <image-name>

容器运行

基础交互式运行

启动包含所有GPU支持的交互式容器：

bash
docker run --gpus all -it <image-name> /bin/bash

挂载工作目录

将本地目录（如当前目录）挂载到容器内/workspace路径，便于文件共享：

bash
docker run --gpus all -v $(pwd):/workspace -it <image-name> /bin/bash

端口映射（如需运行服务）

如需暴露容器内端口（如TensorBoard默认端口6006）：

bash
docker run --gpus all -p 6006:6006 -it <image-name> /bin/bash

环境验证

进入容器后，通过以下命令验证TensorFlow及GPU支持：

python
python -c "import tensorflow as tf; print('TensorFlow版本:', tf.__version__); print('GPU可用:', tf.test.is_gpu_available())"

预期输出：

• TensorFlow版本: 1.12.0rc1
• GPU可用: True（若GPU配置正确）

注意事项

• TensorFlow 1.12.0rc1为预发布版本，生产环境建议评估稳定性后使用
• 确保主机GPU驱动版本兼容CUDA 10.0（推荐驱动版本≥410.48）
• 仅支持计算能力6.1和7.5的GPU，其他GPU可能无法正常使用CUDA加速