bitnamicharts/pytorch Docker 镜像

Bitnami PyTorch 镜像文档

镜像概述和主要用途

PyTorch 是一个深度学习平台，可加速从研究原型到生产部署的过渡。Bitnami 提供的 PyTorch 镜像包含 Torchvision，专为特定计算机视觉任务提供支持。该镜像由 Bitnami 打包，旨在简化 PyTorch 在容器化环境中的部署和使用。

https://pytorch.org/

商标说明：本软件列表由 Bitnami 打包。所提及的相关商标归各自公司所有，使用这些商标并不意味着任何关联或背书。

核心功能和特性

• 完整深度学习平台：支持从研究原型设计到生产部署的全流程，提供灵活的张量计算和自动微分功能。
• Torchvision 集成：内置计算机视觉库，包含常用数据集、模型架构和图像变换工具。
• 容器化优化：基于 Bitnami 标准镜像构建，支持非 root 用户运行，安全性增强。
• 多环境适配：兼容 Docker 单机部署和 Kubernetes 集群（通过 Helm Chart）。
• 持久化支持：可配置持久化存储，确保数据在容器重启后不丢失。
• 灵活的文件加载方式：支持通过现有 ConfigMap、本地文件目录或 Git 仓库加载自定义代码和数据。

使用场景和适用范围

• 研究原型开发：快速搭建深度学习实验环境，验证模型算法。
• 生产部署：将训练好的 PyTorch 模型部署到生产环境，处理实际业务数据。
• 计算机视觉任务：利用 Torchvision 支持图像分类、目标检测、语义分割等任务。
• 分布式训练：通过配置 worldSize 参数支持多节点分布式训练。
• 开发与测试：在隔离的容器环境中进行 PyTorch 应用的开发和测试。

⚠️ 重要注意事项：Bitnami 镜像目录即将变更

自 2025 年 8 月 28 日起，Bitnami 将升级其公共镜像目录，推出https://news.broadcom.com/app-dev/broadcom-introduces-bitnami-secure-images-for-production-ready-containerized-applications，提供经过安全强化的精选镜像。过渡期间的关键变更包括：

• 安全优化镜像开放：首次向社区用户提供流行容器镜像的安全优化版本。
• 非硬化镜像逐步淘汰：免费 tier 中将逐步停止支持基于 Debian 的非硬化软件镜像，并从公共目录中移除非最新标签。社区用户将只能访问数量减少的硬化镜像，且仅提供“latest”标签，适用于开发目的。
• 现有镜像迁移：8 月 28 日起，两周内所有现有容器镜像（包括旧版本标签，如 2.50.0、10.6）将从公共目录（docker.io/bitnami）迁移至“Bitnami Legacy”仓库（docker.io/bitnamilegacy），且不再接收更新。
• 生产环境建议：对于生产工作负载和长期支持，建议采用 Bitnami Secure Images，包含硬化容器、更小***面、CVE 透明度（通过 VEX/KEV）、SBOM 及企业支持。

使用方法和配置说明

Docker 快速启动

基本部署（最新硬化镜像）

使用 Bitnami Secure Images（仅 latest 标签，适用于开发）：

console
docker run --name pytorch -d docker.xuanyuan.run/bitnami/pytorch:latest

旧版本镜像（Legacy 仓库）

若需使用旧版本或非硬化镜像，从 Legacy 仓库拉取（不再更新）：

console
docker run --name pytorch-legacy -d docker.xuanyuan.run/bitnamilegacy/pytorch:2.50.0

挂载持久化存储

默认持久化路径为 /bitnami/pytorch，可通过 -v 参数挂载本地目录：

console
docker run --name pytorch -v /local/path:/bitnami/pytorch -d docker.xuanyuan.run/bitnami/pytorch:latest

Helm Chart 部署（Kubernetes）

前提条件

• Kubernetes 1.23+
• Helm 3.8.0+
• 底层基础设施支持 PV 动态供应
• 支持 ReadWriteMany 卷（用于部署扩展）

安装 Chart

使用以下命令安装名为 my-release 的 release：

console
helm install my-release oci://registry-1.docker.io/bitnamicharts/pytorch

注：需将占位符替换为实际 Helm 仓库信息。Bitnami 官方仓库为 registry-1.docker.io（ registry）和 bitnamicharts（repository）。

配置参数详解

全局参数

通用参数

PyTorch 核心参数

文件加载方式

PyTorch 镜像支持三种文件加载方式，优先级从高到低为：

1. 现有 ConfigMap：通过 configMap=my-config-map 参数指定，镜像将直接使用该 ConfigMap 中的文件。

2. 本地文件目录：将文件放入 files/ 目录，无需额外配置，镜像会自动加载。

3. Git 仓库克隆：通过以下参数配置 Git 仓库：

   yaml
   cloneFilesFromGit.enabled: true
   cloneFilesFromGit.repository: https://github.com/my-user/my-repo
   cloneFilesFromGit.revision: master
   

持久化存储配置

持久化路径

默认持久化路径为 /bitnami/pytorch，通过 PV 动态供应实现持久化。

权限调整

由于镜像默认以非 root 用户运行，需调整持久化卷的权限以确保容器可写入数据：

• 默认方式：通过 Kubernetes Security Context 自动调整所有权（部分 Kubernetes 发行版可能不支持）。
• 替代方式：启用 initContainer 调整权限，设置 volumePermissions.enabled: true。

备份与恢复

使用 https://velero.io/（Kubernetes 备份/恢复工具）备份和恢复部署：

1. 备份源部署的持久化卷。
2. 将备份的卷挂载到新部署。

详细步骤参考 https://techdocs.broadcom.com/us/en/vmware-tanzu/application-catalog/tanzu-application-catalog/services/tac-doc/apps-tutorials-backup-restore-deployments-velero-index.html。