推荐配置 驱动 >=555.42.06

TensorFlow 2.19.0 + CUDA 12.5

生成经过验证的生产级 Dockerfile 配置

配置摘要

框架
TensorFlow 2.19.0
CUDA 版本
12.5
Python 支持
3.10, 3.11, 3.12
最低驱动
>=555.42.06

说明: 当前稳定版本,pip CUDA包推荐

安装命令
pip install tensorflow[and-cuda]==2.19.0

TensorFlow 2.19.0 新特性

  • 2025年当前稳定生产版本
  • 完善的 CUDA 12.5 支持配合 cuDNN 9.x
  • 针对 H100/H200 推理和训练优化
  • JAX 后端支持,性能增强
  • 稳定的 Keras 3 API,适合生产使用

最佳用途

适用场景

  • 需要经过验证稳定性的生产环境
  • Hopper GPU 部署(H100/H200)
  • 使用 Keras 3 的企业级 ML 流程
  • 大规模分布式训练工作负载

CUDA 12.5 优势

  • 最新 TensorFlow + 最新 CUDA 特性
  • H100 和 Ada Lovelace GPU
  • 最大化 XLA 编译性能

生成 Dockerfile

配置选项

本地 GPU 或 CPU 环境

当前稳定版本,pip CUDA包推荐

需要 NVIDIA 驱动版本 >=555.42.06
Dockerfile
1# syntax=docker/dockerfile:1
2# ^ Required for BuildKit cache mounts and advanced features
3
4# Generated by DockerFit (https://tools.eastondev.com/docker)
5# TENSORFLOW 2.19.0 + CUDA 12.5 | Python 3.11
6# Multi-stage build for optimized image size
7
8# ==============================================================================
9# Stage 1: Builder - Install dependencies and compile
10# ==============================================================================
11FROM python:3.10-slim-bookworm AS builder
12
13# Build arguments
14ARG DEBIAN_FRONTEND=noninteractive
15
16# Environment variables
17ENV PYTHONUNBUFFERED=1
18ENV PYTHONDONTWRITEBYTECODE=1
19
20# Create virtual environment
21ENV VIRTUAL_ENV=/opt/venv
22RUN python -m venv $VIRTUAL_ENV
23ENV PATH="$VIRTUAL_ENV/bin:$PATH"
24
25# Upgrade pip
26RUN pip install --no-cache-dir --upgrade pip setuptools wheel
27
28# Install TensorFlow with pip CUDA packages (no system CUDA needed)
29# This installs CUDA/cuDNN via pip, avoiding dual CUDA dependency
30RUN --mount=type=cache,target=/root/.cache/pip \
31 pip install tensorflow[and-cuda]==2.19.0
32
33# Install project dependencies
34COPY requirements.txt .
35RUN --mount=type=cache,target=/root/.cache/pip \
36 pip install -r requirements.txt
37
38# ==============================================================================
39# Stage 2: Runtime - Minimal production image
40# ==============================================================================
41FROM python:3.10-slim-bookworm AS runtime
42
43# Labels
44LABEL maintainer="Generated by DockerFit"
45LABEL version="2.19.0"
46LABEL description="TENSORFLOW 2.19.0 + CUDA 12.5"
47
48# Environment variables
49ENV PYTHONUNBUFFERED=1
50ENV PYTHONDONTWRITEBYTECODE=1
51ENV NVIDIA_VISIBLE_DEVICES=all
52ENV NVIDIA_DRIVER_CAPABILITIES=compute,utility
53
54# Create non-root user for security
55ARG USERNAME=appuser
56ARG USER_UID=1000
57ARG USER_GID=$USER_UID
58RUN groupadd --gid $USER_GID $USERNAME \
59 && useradd --uid $USER_UID --gid $USER_GID -m $USERNAME
60
61# Copy virtual environment from builder
62COPY --from=builder --chown=$USERNAME:$USERNAME /opt/venv /opt/venv
63ENV VIRTUAL_ENV=/opt/venv
64ENV PATH="$VIRTUAL_ENV/bin:$PATH"
65
66# Set working directory
67WORKDIR /app
68
69# Copy application code
70COPY --chown=$USERNAME:$USERNAME . .
71
72# Switch to non-root user
73USER $USERNAME
74
75# Expose port
76EXPOSE 8000
77
78# Default command
79CMD ["python", "main.py"]
🚀 推荐部署

高性能 GPU 与 AI 云服务器

为您的 Docker 容器提供强大的 NVIDIA 算力支持,支持 A100/H100,全球 32 个机房可选。

  • 支持 NVIDIA A100/H100 GPU 实例
  • 按小时计费,测试成本低至 $0.004/h
  • 全球 32+ 数据中心,极低访问延迟
  • 一键运行容器化应用与裸金属服务器
🎁 立即部署

常见问题

需要什么版本的 NVIDIA 驱动?

TensorFlow 2.19.0 + CUDA 12.5 需要 NVIDIA 驱动版本 >=555.42.06 或更高。

运行 nvidia-smi 检查当前驱动版本。

如何安装支持 CUDA 的 TensorFlow?

TensorFlow 2.19.0 使用以下安装命令:

pip install tensorflow[and-cuda]==2.19.0

从 TensorFlow 2.15+ 开始,CUDA 库通过 tensorflow[and-cuda] 打包。

如何验证容器中的 GPU 访问?

构建镜像后运行:

docker run --gpus all your-image python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

将显示可用的 GPU 设备列表。