使用 ML docker 映像和在 Dockerfile 中运行 pip install 之间的区别

乘风 2年前 pytorch 276

原文标题 ：Difference between using a ML docker image and running pip install in Dockerfile

我看到有许多可用的 Docker 镜像可用于流行的 ML 框架，例如 PyTorchandTensorflow。

使用这些预构建的镜像和在 Dockerfile 中使用pip install或conda install安装这些库有什么区别？

我通常从支持 GPU 的nvidia/cuda基础映像构建我的自定义 Docker 映像，然后运行 bash 命令来安装包含上述库的我的requirements.txt文件。例子：

FROM nvidia/cuda:10.2-cudnn7-runtime-ubuntu18.04

...

# Activate virtual environment and install requirements
RUN /bin/bash -c "cd src \
    && source activate my_venv \
    && pip install -r requirements.txt"

我觉得使用pip install给了我更多的自由，让我可以选择一个基础镜像，让我能够在我最喜欢的操作系统上使用 GPU。我想这可能与性能问题有关。

原文链接：https://stackoverflow.com//questions/71928602/difference-between-using-a-ml-docker-image-and-running-pip-install-in-dockerfile

我来回复

ndrwnaguib 评论

没有区别，使用预先构建的映像可以避免错误配置 docker 环境或缺少依赖项，并确保执行更安全（我说的是 docker 的全部意义）。如果您想完全控制正在构建的图像，您的方法很好。

2年前 0条评论

使用 ML docker 映像和在 Dockerfile 中运行 pip install 之间的区别

回复

相关问题