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

TensorFlow Runtime Docker 镜像

这些容器提供了快速运行或试用 TensorFlow 的方式。镜像源代码见 GitHub。若需构建 TensorFlow 或其扩展，建议参考 TensorFlow Build Dockerfiles。

基础依赖说明

镜像基于 TensorFlow 官方 Python 二进制文件构建，需 CPU 支持 AVX 指令集。大多数现代 CPU 均支持 AVX，因此通常无需担心兼容性问题。更多信息可参考 GitHub Issue。

基础镜像标签说明

• 系统版本：2021 年 9 月后构建的镜像基于 Ubuntu 20.04，更早的镜像基于 Ubuntu 18.04 或 16.04。
• 标签含义（适用于 TF 1.13 及以上版本，旧版本标签格式不同，可查看 完整标签列表）：
  • 1.xx-、latest-、nightly- 标签：预装 TensorFlow。版本化标签（如 1.xx-）包含具体版本号；latest- 标签为最新发布版（不含预发布版，如候选发布版、alpha 版、beta 版）；nightly- 标签包含最新 TensorFlow nightly Python 包。
  • devel 和 custom-op 标签：已不再支持，建议使用 TensorFlow SIG Build Dockerfiles。

可选特性

• Python 版本：

  • 1.x 版本（≤1.15.0）和 2.x 版本（≤2.1.0）中，-py3 标签对应 Python 3（Ubuntu 16 镜像为 3.5，Ubuntu 18 为 3.6，Ubuntu 20 为 3.8），无 py 标签的镜像为 Python 2.7。
  • 所有更新的镜像仅支持 Python 3，-py3 标签已弃用。

• GPU 支持：
  -gpu 标签基于 Nvidia CUDA 构建，需通过 nvidia-docker 运行。
  注意：TensorFlow 1.13 及以上版本的 GPU 镜像（含 latest- 标签）需支持 CUDA 10 的 Nvidia 驱动，具体参考 Nvidia 支持矩阵。

• Jupyter 集成：
  -jupyter 标签包含 Jupyter 及部分 TensorFlow 教程笔记本，启动时自动运行 Jupyter 服务器。可将卷挂载到 /tf/notebooks 以使用自己的笔记本。

运行容器示例

启动 CPU-only 容器

bash
$ docker run -it --rm tensorflow/tensorflow bash

启动 GPU 容器并运行 Python 解释器

bash
$ docker run -it --rm --runtime=nvidia tensorflow/tensorflow:latest-gpu python

运行 Jupyter 笔记本服务器（挂载自定义笔记本目录）

bash
$ docker run -it --rm -v $(realpath ~/notebooks):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-jupyter

说明：假设本地笔记本目录为 ~/notebooks，通过 -v 挂载到容器内 /tf/notebooks，-p 映射端口 8888。启动后在浏览器访问 localhost:8888 即可使用。