Xilinx Vitis AI是用于在Xilinx平台上加速AI推理的集成开发环境，提供优化的IP、工具、库和模型资源。此镜像为CPU平台提供Tensorflow 1.15支持，助力用户高效开发AI推理应用。

支持ROCm后端的Tensorflow

Bitnami Secure Image for tensorflow-serving

Bitnami安全镜像，用于TensorFlow Serving和ResNet模型的客户端工具，支持ResNet模型预测，提供安全加固特性、非root容器支持及便捷部署流程，适用于开发和测试环境中的模型服务交互。

Bitnami TensorFlow ResNet的Helm图表，用于在Kubernetes集群上部署TensorFlow Serving ResNet模型，支持资源配置、Prometheus监控等功能，适用于开发和生产环境的模型服务部署。

暂无描述

Bitnami安全镜像为TensorFlow提供经过安全加固的运行环境，支持TensorFlow应用的部署与运行。

暂无描述

用于构建最新TensorFlow Docker镜像的仓库

暂无描述

corpusops/docker-tensorflow 是一个便捷的 TensorFlow Docker 镜像，集成 TensorFlow 及常用依赖，支持 CPU/GPU，提供多版本标签，适用于机器学习开发、模型训练与推理。

TensorFlow（官网：[***]

暂无描述

暂无描述

暂无描述

TensorFlow Serving（[***]

TensorFlow SIG Build提供的用于构建TensorFlow的容器。

暂无描述

暂无描述

Vitis-AI Docker镜像提供必要的Python依赖及GitHub示例，用于为Vitis-AI NPU IP量化和编译神经网络模型。

暂无描述

Xilinx Vitis AI PyTorch CPU版：用于在Xilinx平台上加速AI推理的集成开发环境，提供针对PyTorch框架优化的IP、工具、库和模型，支持在CPU环境中进行AI推理加速开发。

Xilinx Vitis AI TensorFlow 2 CPU环境集成开发环境，用于在Xilinx平台上加速AI推理，提供优化的IP、工具、库及模型，设计注重高效与易用性。

Xilinx Vitis AI TensorFlow 2 for ROCM是用于在Xilinx平台上加速AI推理的集成开发环境，提供优化的IP、工具、库和模型，支持SoCs和Alveo数据中心加速卡，助力高效AI加速开发。

包含TensorFlow的科学计算Jupyter Notebook Python环境，来自https://github.com/jupyter/docker-stacks项目

Xilinx® Vitis™ AI是用于加速Xilinx平台上AI推理的集成开发环境，提供优化IP、工具、库、模型及资源，旨在高效易用，释放Xilinx SoCs和Alveo数据中心加速卡的AI加速潜力。

Xilinx Vitis AI TensorFlow 2 for ROCM是用于在ROCM平台上加速AI推理的集成开发环境，提供优化的IP、工具、库和模型，助力在Xilinx SoC和Alveo数据中心加速卡上高效开发AI应用。

Xilinx Vitis AI PyTorch for ROCM是用于在Xilinx平台上加速AI推理的集成开发环境，提供优化的IP、工具、库和模型，简化基于PyTorch和ROCM的AI加速开发流程，释放Xilinx SoCs及Alveo数据中心加速卡的AI加速潜力。