TensorFlow - 使用哪个 Docker 图像？

TensorFlow - which Docker image to use?

tensorflow

来自 TensorFlow Download and Setup

Docker安装我看：

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 latest edc3d721078b 2.284 GB

我知道 2. 和 3. 有源代码，我现在正在使用 2.。

2. 和 3. 有什么区别？ "normal"推荐使用哪一款？

TLDR：

首先 - 感谢 Docker 图片！它们是开始使用 TF 的最简单和最干净的方法。

关于图片的一些小事

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

有四张图片：

b.gcr.io/tensorflow/tensorflow：TensorFlow CPU 二值图像。
b.gcr.io/tensorflow/tensorflow:latest-devel:CPU二值图加源码。
b.gcr.io/tensorflow/tensorflow:latest-gpu: TensorFlow GPU 二值图像。
gcr.io/tensorflow/tensorflow:latest-devel-gpu: GPU二进制图像加源代码。

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

CPU 或 GPU: CPU

对于初次使用的用户，强烈建议避免使用 GPU 版本，因为它们可能在难以使用或无法使用的任何地方使用。原因是不是所有的机器都有符合要求的NVidia图形芯片。如果您 want/need.

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 图像无需来源即可工作。如果出于某种原因（例如添加 new OP）需要重建 TensorFlow，您应该只需要或需要源代码。

对刚开始使用 TensorFlow 的人的标准建议是从没有源代码的 CPU 版本开始。

TensorFlow - 使用哪个 Docker 图像？

TensorFlow - which Docker image to use?

tensorflow