BitaHub 镜像列表
下面是 BitaHub 支持的深度学习环境列表。
注：这个列表不再更新，后续镜像列表将在https://github.com/Leinao/GPUCluster/issues/3 更新。
| 框架 | 描述 | Docker镜像 | CUDA | CUDNN |
|---|---|---|---|---|
| PyTorch 1.0 | PyTorch 1.0.1 + fastai 1.0.41 on Python 3.6 | bitahub/pytorch:1.0-py3 | 9.0.176 | 7.4.2.24 |
| PyTorch 1.0 | PyTorch 1.0.1 on Python 2.7 | bitahub/pytorch:1.0-py2 | 9.0.176 | 7.4.2.24 |
| PyTorch 0.4 | PyTorch 0.4.1 on Python 3.6 | bitahub/pytorch:0.4-py3 | 9.0.176 | 7.1.2.21 |
| PyTorch 0.4 | PyTorch 0.4.1 on Python 2.7 | bitahub/pytorch:0.4-py2 | 9.0.176 | 7.1.2.21 |
| PyTorch 0.3 | PyTorch 0.3.1 on Python 3.6 | bitahub/pytorch:0.3-py3 | 9.0.176 | 7.0.5.15 |
| PyTorch 0.3 | PyTorch 0.3.1 on Python 2.7 | bitahub/pytorch:0.3-py2 | 9.0.176 | 7.0.5.15 |
| PyTorch 0.2 | PyTorch 0.2.0 on Python 3.6 | bitahub/pytorch:0.2-py3 | 8.0.61 | 6.0.21 |
| PyTorch 0.2 | PyTorch 0.2.0 on Python 2.7 | bitahub/pytorch:0.2-py2 | 8.0.61 | 6.0.21 |
| PyTorch 0.1 | PyTorch 0.1.12 on Python 3.6 | bitahub/pytorch:0.1-py3 | 8.0.61 | 6.0.21 |
| PyTorch 0.1 | PyTorch 0.1.12 on Python 2.7 | bitahub/pytorch:0.1-py2 | 8.0.61 | 6.0.21 |
| Tensorflow 1.12 | TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6 | bitahub/tensorflow:1.12-py3 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.12 | TensorFlow 1.12.0 + Keras 2.2.4 on Python 2.7 | bitahub/tensorflow:1.12-py2 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.11 | TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6 | bitahub/tensorflow:1.11-py3 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.11 | TensorFlow 1.11.0 + Keras 2.2.4 on Python 2.7 | bitahub/tensorflow:1.11-py2 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.10 | TensorFlow 1.10.0 + Keras 2.2.0 on Python 3.6 | bitahub/tensorflow:1.10-py3 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.10 | TensorFlow 1.10.0 + Keras 2.2.0 on Python 2.7 | bitahub/tensorflow:1.10-py2 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.9 | TensorFlow 1.9.0 + Keras 2.2.0 on Python 3.6 | bitahub/tensorflow:1.10-py3 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.9 | TensorFlow 1.9.0 + Keras 2.2.0 on Python 2.7 | bitahub/tensorflow:1.10-py2 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.8 | TensorFlow 1.8.0 + Keras 2.1.6 on Python 3.6 | bitahub/tensorflow:1.10-py3 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.8 | TensorFlow 1.8.0 + Keras 2.1.6 on Python 2.7 | bitahub/tensorflow:1.10-py2 | 9.0.176 | 7.4.2.24 |
| Tensorflow 1.7 | TensorFlow 1.7.0 + Keras 2.1.6 on Python 3.6 | bitahub/tensorflow:1.10-py3 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.7 | TensorFlow 1.7.0 + Keras 2.1.6 on Python 2.7 | bitahub/tensorflow:1.10-py2 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.6 | TensorFlow 1.6.0 + Keras 2.1.6 on Python 3.6 | bitahub/tensorflow:1.6-py3 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.6 | TensorFlow 1.6.0 + Keras 2.1.6 on Python 2.7 | bitahub/tensorflow:1.6-py2 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.5 | TensorFlow 1.5.0 + Keras 2.1.6 on Python 3.6 | bitahub/tensorflow:1.5-py3 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.5 | TensorFlow 1.5.0 + Keras 2.1.6 on Python 2.7 | bitahub/tensorflow:1.5-py2 | 9.0.176 | 7.0.5.15 |
| Tensorflow 1.4 | TensorFlow 1.4.0 + Keras 2.0.8 on Python 3.6 | bitahub/tensorflow:1.4-py3 | 8.0.61 | 6.0.21 |
| Tensorflow 1.4 | TensorFlow 1.4.0 + Keras 2.0.8 on Python 2.7 | bitahub/tensorflow:1.4-py2 | 8.0.61 | 6.0.21 |
| Tensorflow 1.3 | TensorFlow 1.3.0 + Keras 2.0.6 on Python 3.6 | bitahub/tensorflow:1.3-py3 | 8.0.61 | 6.0.21 |
| Tensorflow 1.3 | TensorFlow 1.3.0 + Keras 2.0.6 on Python 2.7 | bitahub/tensorflow:1.3-py2 | 8.0.61 | 6.0.21 |
| Tensorflow 1.2 | TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.6 | bitahub/tensorflow:1.2-py3 | 8.0.61 | 5.1.10 |
| Tensorflow 1.2 | TensorFlow 1.2.0 + Keras 2.0.6 on Python 2.7 | bitahub/tensorflow:1.2-py2 | 8.0.61 | 5.1.10 |
| Tensorflow 1.1 | TensorFlow 1.1.0 + Keras 2.0.6 on Python 3.6 | bitahub/tensorflow:1.1-py3 | 8.0.61 | 5.1.10 |
| Tensorflow 1.1 | TensorFlow 1.1.0 + Keras 2.0.6 on Python 2.7 | bitahub/tensorflow:1.1-py2 | 8.0.61 | 5.1.10 |
| Tensorflow 1.0 | TensorFlow 1.0.0 + Keras 2.0.6 on Python 3.6 | bitahub/tensorflow:1.0-py3 | 8.0.61 | 5.1.10 |
| Tensorflow 1.0 | TensorFlow 1.0.0 + Keras 2.0.6 on Python 2.7 | bitahub/tensorflow:1.0-py2 | 8.0.61 | 5.1.10 |
| MXNet 1.3 | MXNet 1.3.1 on Python 3.6 | bitahub/mxnet:1.3-py3 | 9.0.176 | 7 |
| MXNet 1.3 | MXNet 1.3.1 on Python 2.7 | bitahub/mxnet:1.3-py2 | 9.0.176 | 7 |
| MXNet 1.2 | MXNet 1.2.1 on Python 3.6 | bitahub/mxnet:1.2-py3 | 9.0.176 | 7 |
| MXNet 1.2 | MXNet 1.2.1 on Python 2.7 | bitahub/mxnet:1.2-py2 | 9.0.176 | 7 |
| MXNet 1.1 | MXNet 1.1.0 on Python 3.6 | bitahub/mxnet:1.1-py3 | 9.0.176 | 7 |
| MXNet 1.1 | MXNet 1.1.0 on Python 2.7 | bitahub/mxnet:1.1-py2 | 9.0.176 | 7 |
| MXNet 1.0 | MXNet 1.0.0 on Python 3.6 | bitahub/mxnet:1.0-py3 | 9.0.176 | 7 |
| MXNet 1.0 | MXNet 1.0.0 on Python 2.7 | bitahub/mxnet:1.0-py2 | 9.0.176 | 7 |
| MXNet 0.12 | MXNet 0.12.1 on Python 3.6 | bitahub/mxnet:0.12-py3 | 9.0.176 | 7 |
| MXNet 0.12 | MXNet 0.12.1 on Python 2.7 | bitahub/mxnet:0.12-py2 | 9.0.176 | 7 |
| MXNet 0.11 | MXNet 0.11.0 on Python 3.6 | bitahub/mxnet:0.11-py3 | 8.0.61 | 6.0.21 |
| MXNet 0.11 | MXNet 0.11.0 on Python 2.7 | bitahub/mxnet:0.11-py2 | 8.0.61 | 6.0.21 |
如何使用这些镜像
每个镜像都可以从 10.11.3.8:5000/bitahub/[image]:[TAG] 中提取，例如 10.11.3.8:5000/bitahub/pytorch:1.0-py3 以下 Python 包（除了许多其他通用库）在每个镜像中都存在:
| 镜像 | Python 包 |
|---|---|
| 通用 | numpy, scipy, pandas, matplotlib, jupyter, cython, scikit-learn, scikit-image, pillow-smid, imageio, h5py, easydict, pycocotools, opencv, spacy, onnx, graphviz |
| PyTorch | visdom, tensorboardX, pytorch-ignite, gluoncv-torch, gym, allennlp |
| TensorFlow | keras, tflearn, tensor2tensor |
| MXNet | mxboard |
安装额外的依赖
这些默认的 BitaHub 镜像包含了整个 Anaconda 环境。
如果代码在运行时需要额外的 Python 包，可以在任务提交命令中添加相应的安装命令，比如 pip install 或 conda install -y 。
如果需要多个包，可以使用 Python 的 requirements.txt 文件，并在任务提交命令中添加 pip install -r requirements.txt 。
使用 USTC mirros 中的 Anaconda 和 PyPi, 可以加快 Python 包的安装速度。