TensorFlow - 使用哪个Docker镜像？

从TensorFlow下载和设置下

Docker安装我看到:

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

b.gcr.io/tensorflow/ tensorflow latest-devel 6a90f0a0e005 2.111 GB

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

我知道2.&3.有源代码,我现在使用2.

2.&3.有什么区别？哪一个推荐用于"正常"使用？

TLDR:

首先 - 感谢Docker图像!它们是开始使用TF的最简单,最干净的方式.

没有关于图像的事情

没有PIL

没有纳米(但有vi),apt-get找不到它.是的,我可能可以为它配置回购,但为什么不开箱即用

Guy Coder.. 8

有四个图像:

b.gcr.io/tensorflow/tensorflow:TensorFlow CPU二进制映像.

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

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

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

而关注的两个属性是:
1.CPU或GPU
2. no source或plus source

CPU或者GPU:CPU

对于第一次用户,强烈建议避免使用GPU版本,因为它们可能是难以使用的任何地方.原因是并非所有机器都有符合要求的NVidia图形芯片.您应首先让TensorFlow工作以了解它,然后根据需要继续使用GPU版本.

来自TensorFlow构建说明

可选:安装CUDA(Linux上的GPU)

为了在GPU支持下构建或运行TensorFlow,需要安装来自NVIDIA的Cuda Toolkit 7.0和CUDNN 6.5 V2.

TensorFlow GPU支持需要具有NVidia Compute Capability> = 3.5的GPU卡 .支持的卡包括但不限于:

NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40

no source或者plus source:no source

docker镜头可以在不需要源的情况下工作.如果由于某些原因(例如添加新OP)需要重建TensorFlow,则应该只需要或需要源.

对于使用TensorFlow的新用户的标准建议是从没有源的CPU版本开始.

有四个图像:

b.gcr.io/tensorflow/tensorflow:TensorFlow CPU二进制映像.

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

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

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

而关注的两个属性是:
1.CPU或GPU
2. no source或plus source

CPU或者GPU:CPU

对于第一次用户,强烈建议避免使用GPU版本,因为它们可能是难以使用的任何地方.原因是并非所有机器都有符合要求的NVidia图形芯片.您应首先让TensorFlow工作以了解它,然后根据需要继续使用GPU版本.

来自TensorFlow构建说明

可选:安装CUDA(Linux上的GPU)

为了在GPU支持下构建或运行TensorFlow,需要安装来自NVIDIA的Cuda Toolkit 7.0和CUDNN 6.5 V2.

TensorFlow GPU支持需要具有NVidia Compute Capability> = 3.5的GPU卡 .支持的卡包括但不限于:

NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40

no source或者plus source:no source

docker镜头可以在不需要源的情况下工作.如果由于某些原因(例如添加新OP)需要重建TensorFlow,则应该只需要或需要源.

对于使用TensorFlow的新用户的标准建议是从没有源的CPU版本开始.