镜像介绍

镜像主要用于容器化技术中，使得程序可以直接利用GPU资源，便于深度学习、高性能计算等任务的执行，同时简化环境配置和应用部署。不同镜像类型默认登陆名及端口号如下：

系统镜像

虚拟机，无任何预装环境，用户可根据项目需求自行选择Windows或者Ubuntu系统，并安装所需软件。

Windows系统： 通过图形界面进行系统管理和配置，对于不熟悉命令行的用户来说较为友好，Windows支持Windows Server 2019/2022版本。

Ubuntu系统： 通过命令行完成系统管理和配置任务通常，适合有一定技术背景的用户，Ubuntu支持22.04/24.04版本，Ubuntu可视化界面搭建可参考通过VNC搭建Ubuntu图形界面 (opens in a new tab)。

特别注意：通过系统镜像创建的实例为虚机类型，自制镜像后不支持发布至镜像社区。

系统镜像

Docker环境，内置主流框架及版本的镜像，用户可根据自身需求选择。基础镜像打包应用后，支持发布至镜像社区，镜像发布流程见发布社区镜像 (opens in a new tab)。

框架	框架版本	python版本	CUDA版本
pytorch	2.3.0	3.12	12.1
pytorch	2.3.0	3.10	12.1
pytorch	2.1.2	3.10	11.8
pytorch	2.1.0	3.10	12.1
pytorch	2.0.0	3.8	11.8
pytorch	1.13.0	3.8	11.6
pytorch	1.8.1	3.8	11.1
TensorFlow	2.9.0	3.8	11.2
TensorFlow	2.5.0	3.8	11.2
TensorFlow	1.15.5	3.8	11.4
Miniconda3		3.10	12.2
Miniconda3		3.10	12.1
Miniconda3		3.10	11.8
Miniconda3		3.8	11.8

安装PyTorch 立即查看 (opens in a new tab)

安装TensorFlow 立即查看 (opens in a new tab)

安装其他版本的Python

构建一个虚拟环境名为：my-env，Python版本为3.7

conda create -n my-env python=3.7

更新bashrc中的环境变量

conda init bash && source /root/.bashrc

切换到创建的虚拟环境：my-env

conda activate my-env

验证

python

特别注意
首先平台镜像中有没有您需要的Torch、TensorFlow等框架的相应版本，如果有首选平台内置的镜像；

自制镜像是指用户通过自己创建的实例制作的镜像，社区镜像、基础镜像、系统镜像均可制作镜像。
除了在镜像列表中查看可以到您制作完成的镜像，还可以前往部署GPU实例页面，在平台镜像栏目进行查看：

可通过自制镜像启动一个新的实例，验证软件安装和配置是否符合预期。

社区镜像专是一个旨在为AI用户提供一个安全、高效、易于构建业务环境的内容平台。它允许用户上传、管理和公开自定义的容器镜像，以支持多样化的云计算和AI多样场景的需求。镜像发布流程见发布社区镜像 (opens in a new tab)。

镜像共享
用户可以将自己的容器自制镜像发布到社区，与其他用户共享，促进知识与资源的传播。这种共享机制不仅加速了应用的部署，还增强了社区的协作精神。
镜像发现
镜像社区提供了多种搜索工具，用户可以通过镜像名称关键词、镜像作者名称或场景标签快速发现所需的镜像。帮助用户能够轻松找到预配置的应用镜像，快速上手。
镜像使用
用户可以直接在部署实例界面从社区选取镜像，这种即选即用的模式大大提高了部署效率，降低了技术门槛。
用户自定义镜像
用户可以根据自己的业务需求定制镜像，包括环境、应用栈和配置参数，实现个性化的解决方案。