TensorFlow - 要使用哪个 Docker 镜像？

Question

来自 TensorFlow Download and Setup在下面

Docker安装我看到:

b.gcr.io/tensorflow/tensorflow 最新 4ac133eed955 653.1 MB

b.gcr.io/tensorflow/ tensorflow 最新开发 6a90f0a0e005 2.111 GB

b.gcr.io/tensorflow/ tensorflow-full 最新 edc3d721078b 2.284 GB

我知道 2. & 3. 是带有源代码的，我现在使用的是 2.。

2. 和 3. 和有什么不一样？
推荐哪一种用于“正常”使用？

域名注册地址:

首先 - 感谢 Docker 镜像!它们是开始 TF 的最简单、最干净的方式。

很少有关于图像的事情

没有 PIL

没有nano(但有vi)并且apt-get 找不到它。是的，我可能可以为它配置存储库，但为什么不开箱即用

Answer 1

有四张图:

b.gcr.io/tensorflow/tensorflow:TensorFlow CPU 二进制图像。

b.gcr.io/tensorflow/tensorflow:latest-devel:CPU 二进制图像加上源代码。

b.gcr.io/tensorflow/tensorflow:latest-gpu:TensorFlow GPU 二进制图像。

gcr.io/tensorflow/tensorflow:latest-devel-gpu:GPU 二进制图像加上源代码。

值得关注的两个属性是:
1. CPU或 GPU 2. no source或 plus source CPU或 GPU : CPU
对于第一次使用的用户，强烈建议避免使用 GPU 版本，因为它们可能是难以使用到无法使用的任何地方。原因是并非所有机器都有符合要求的NVidia图形芯片。您应该首先让 TensorFlow 工作以了解它，然后根据需要/需要继续使用 GPU 版本。

来自 TensorFlow 构建说明

Optional: Install CUDA (GPUs on Linux)

In order to build or run TensorFlow with GPU support, both Cuda Toolkit 7.0 and CUDNN 6.5 V2 from NVIDIA need to be installed.

TensorFlow GPU support requires having a GPU card with NVidia Compute Capability >= 3.5. Supported cards include but are not limited to:

NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40

no source或 plus source : no source
docker 图像无需源代码即可工作。如果您出于某种原因需要重建 TensorFlow，例如添加 new OP，您应该只想要或需要源代码。 .

对于刚开始使用 TensorFlow 的人的标准建议是从没有源的 CPU 版本开始。