解决pytorch服务打包docker镜像过大问题，使用torch的cpu版本

最新推荐文章于 2025-10-27 20:05:50 发布
原创 最新推荐文章于 2025-10-27 20:05:50 发布 · 1.9k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #人工智能 #python #linux

文章讲述了如何在Linux机器上通过仅安装PyTorch的CPU版本来降低镜像大小，避免了默认安装CUDA带来的过大体积。作者提到将`torch`版本设置为2.1.0+cpu，并从特定链接下载相关库，如`torch_geometric`，以实现更高效的空间利用。
部署运行你感兴趣的模型镜像

使用torch的cpu版本即可，修改pip的下载依赖，在linux机器上不要默认下载

整个服务只使用了pytorch关于gcn相关的代码，但是要安装pytorch包，这是很大的。尤其如果你在linux上安装torch，会默认安装cuda版本，这会导致大小激增。我默认安装后，镜像大小8个多G，这很显然是不合理的。
后来我为了减少体积，我只安装了torch的cpu版本，即修改了requirement.txt文件

-f https://download.pytorch.org/whl/cpu/torch_stable.html
torch==2.1.0+cpu
-f https://pytorch-geometric.com/whl/torch-2.1.0+cpu.html
torch_geometric

只安装cpu版本，大小只有1.6G.

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。
03-07
pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。 pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。 pytorch 具有docker 版 并且带 jupyter_notebook ， 方便测试开发。
虚拟环境内使用pip安装torch内存爆掉
mao_mao_chonga的博客
05-01 1824
目录问题描述与解决方案问题描述解决方案确定与电脑相配的cuda版本寻找对应的`.whl`文件打开网站下载完成后进入虚拟环境 问题描述与解决方案 问题描述 在anaconda的虚拟环境内安装torch失败后，再次运行该命令内存爆满。卸载并重新安装anaconda后仍出现此问题。 解决方案 借助.whl文件进行安装 确定与电脑相配的cuda版本 本文版本为11.0 寻找对应的.whl文件 打开网站 https://download.pytorch.org/whl/torch_stable.html. CTRL+
新人菜鸟Linux系统安装gpu的torch的踩坑实录
最新发布
2501_92387800的博客
10-27 120
主包刚开始没注意，直到检查torch.cuda.is_available一直说false，主包才发现事情烦的严重性，最后检查到pytorch是鸟清华源的CPU版（就是上图的第一行），本来打算conda unstall的，可是实在太慢，主包直接强势重装。首先CUDA要对应合适的torch版本，其他文章已经说过了，这次说最容易踩坑的，这边装的方法是直接在终端 离线pip install下载已经下好的.whl文件，然后conda torch list。现在运行检测程序就是这样。希望能给大家一点帮助。
Pyinstaller打包torch程序终极保姆级历程-预防解决若干问题以及防止打包文件过大
mabuqinuo_的博客
03-05 1万+
用Pyinstaller打包程序三天的经验 用pyinstaller打包程序，三天的问题，经验，总结，别问，跟着做就完事了。 一、创建新环境 首先，创建一个新的环境。   1.因为如果原来的环境有Anaconda啥的，他会很多绑定的不需要的库也打包进去，导    致最终打包出来的文件很大。   2.说一下 我的python是3.6版本，torch是1.2.0   3.这里我们用pipenv来管理这个环境，很干净，下面跟我做 // 进入程序所在目录 (base) C:\Users\>d
解决python代码打包太大的问题
wanjunjie123的博客
10-14 1171
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pyinstaller（打包必须要的包）(G:\PycharmProjects\微电网容量规划\储能容量配置)是我的python代码所在的位置。使用cd /d G:\PycharmProjects\微电网容量规划\储能容量配置。8、生成的exe文件在当前文件夹的dist目录下。6、跳转到需要打包的py代码所在的文件夹位置。提供先进的推理，复杂的指令，更多的创造力。
python docker 镜像过大_Docker镜像压缩与优化操作
weixin_42355294的博客
02-09 1376
现如今docker如此受人追捧，主要是因为它的轻量化、可以快速部署以及资源的利用。但是一个docker images质量的好与坏，主要取决于dockerfile编写的质量。同样功能的镜像，但是不同的dockerfile build出来的镜像大小是不一样的，这是因为docker是由一层一层的只读层累积起来的，而这每一层就是dockerfile中的每一条指令，所以docker image的大小完全取决...
python docker 镜像过大_docker（19）：压缩docker python 镜像大小，减少依赖
weixin_39614060的博客
12-20 616
1，关于python镜像使用python开发的时候遇到问题。发现构建之后 镜像还是比较大的。想办法减少点文件啥的。能让镜像小点，这样发布部署啥的都方便。2，构建dockerfilepython3 在构建pandas 遇到点问题。还是使用python2 进行构建的：FROM python:2-slim-jessie#设置 apt sources pip timezone 参数RUN echo "de...
✨从零搭建 Ubuntu22.04 + Python3.11 + PyTorch2.5.1 GPU Docker 镜像并上传 Docker Hub
用大模型重构生活：猫奴程序员的AI智能日常记录
06-24 1298
构建一个带 GPU 支持的深度学习开发镜像；使用 PyTorch 2.5.1（CUDA 12.4）环境；发布并托管 Docker 镜像至 Docker Hub；验证 GPU 环境正常运行！🎉 这将极大提升你的项目部署效率，尤其是在多人协作或跨平台部署场景中。
win10系统通过docker部署pytorch的cpu环境_中文地址命名实体识别案例
yilvyangguang520的博客
07-22 401
win10系统通过docker部署pytorch的cpu环境_中文地址命名实体识别案例
史上最详细解决“搭建GPU版Pytorch Docker镜像”教程
SpadgerZ的博客
03-15 5057
CUDA版本对应的Pytorch版本 搭建GPU版本的Pytorch Docker镜像 了解并安装完Docker之后，来配置安装GPU版本的Pytorch Docker镜像。 1.拉取基础的操作系统镜像 关键命令：docker pull 具体指令：docker pull nvidia/cuda:10.1-cudnn7-devel-ubuntu16.04 操作完成之后，使用docker images命令查看当前docker中存在的镜像： 可以看到第一行就是所拉取的镜像，该镜像中已经安.
使用docker搭建分布式pytorch+cuda训练模型（一）
2401_83051627的博客
07-10 1848
由于训练模型所需要的环境一致，因此使用docker创建镜像并在各个服务器中开启容器。随后运行pytorch模型进行分布式训练。过程如下主机使用centos镜像创建容器在容器中搭建环境，上传代码将容器打包成镜像将镜像发布到各个服务器各个服务器开启容器，执行分布式训练。
搭建GPU版PyTorch Docker镜像
热门推荐
独行穿落叶，闲坐数流萤
09-07 2万+
提要: 记录手动搭建GPU版PyTorch Docker镜像的过程。本地主机已经装好了显卡驱动，CUDA, cuDNN， 因此不再累述。本篇博客覆盖以下内容： Docker常用命令 搭建GPU版PyTorch镜像 Docker常用命令 ubuntu安装步骤 $ apt-get update $ apt-get -y install docker.io # 检查Docker服...
缩减 Python 打包的 Docker 包大小
九十分的博客
01-03 1964
通过选择轻量的基础镜像、精简依赖项、使用多阶段构建、清理不需要的文件和合理使用，可以显著减小 Python 打包的 Docker 镜像大小。优化镜像大小对于提高应用程序的性能和部署效率至关重要。
解决pyinstaller打包程序太大的问题
XavierJ的博客
11-24 2160
项目场景 我在github上fork了一个使用python编写的flappybird游戏，然后想着打包一下。 下载地址 https://github.com/XavierJiezou/FlapPyBird 游戏截图 项目打包 先安装pyinstaller库： pip install pyinstaller 然后运行打包命令： pyinstaller -F -w -i flappy.ico flappy.py 遇到的坑 问题1 开始我是在vscode终端powershell中运行打包命令，打包过程提
在Docker中部署Python项目，以及压缩Docker镜像大小
qq_41699621的博客
08-31 7093
一、创建docker目录： 在目录下面新建三个文件：Dockerfile，项目文件，requirements.txt Dockerfile文件内容格式如下： # 基于镜像基础 FROM python:3.6 # 维护者信息 MAINTAINER name name@163.com # 复制当前代码文件到容器中 /app ADD . /app # 设置app文件夹是工作目录 /app WORKDIR /app # 安装所需的包 RUN pip install -r require
02、Docker 镜像管理命令全解：从基础到进阶的实操指南
迷逝
09-19 547
结果类似下面的表格，但是终端窗口小的话，会换行。换行之后看起来真是痛苦。你可以把字调小一点。
Pyinstaller 打包的文件过大，根本原因在于包含了冗余的依赖文件
荷碧TongZJ 的水文
01-06 1万+
网上有许多减大小的方法，比如虚拟环境 (减少二进制文件的搜索路径)、upx 压缩 (逐个压缩二进制文件，能减体积但可能增加启动时间)。但它们都没有解决 exe 文件过大的根本原因，
python docker 镜像过大_详解六种减小Docker镜像大小的方法
weixin_39861627的博客
12-20 2449
我从2017年做Vulhub开始，一直在和一个麻烦的问题做斗争：在编写Dockerfile的时候， 如何减小 docker build 生成的镜像大小？这篇文章就给大家总结一下我自己使用过的六种减小镜像大小的方法。1. 使用Alpine LinuxAlpine Linux是一个基于BusyBox和Musl Libc的Linux发行版，其最大的优势就是小。一个纯的基础Alpine Docker镜像在...
pytorch docker镜像下载
04-24
### 下载并使用 PyTorch 的 Docker 镜像 要下载并使用 NVIDIA 提供的 GPU 支持的 PyTorch Docker 镜像，可以遵循以下方法： #### 1. 确保 Docker 已正确安装 在开始之前，请确认系统上已安装 Docker。如果没有安装，请访问 Docker 官方网站下载并安装适合操作系统的版本[^1]。 运行以下命令验证 Docker 是否安装成功： ```bash docker --version ``` 如果返回 Docker 版本号，则表明安装成功。 --- #### 2. 拉取官方支持 GPU 的 PyTorch 镜像 NVIDIA 提供了一个专门用于深度学习的镜像仓库 `nvidia/pytorch`，该镜像内置了 CUDA 和 cuDNN 支持，可以直接拉取最新版本的 PyTorch 镜像： ```bash docker pull nvcr.io/nvidia/pytorch:latest ``` 此命令会从 NVIDIA Container Registry 中获取最新的 PyTorch 镜像[^4]。 如果你需要特定版本的 PyTorch 或者指定 CUDA 版本，可以通过标签选择合适的镜像。例如，拉取带有 CUDA 11.3 的 PyTorch 1.9.0 镜像： ```bash docker pull nvcr.io/nvidia/pytorch:21.07-py3 ``` --- #### 3. 启动容器并与主机共享 GPU 资源 为了使容器内的应用程序能够利用本地 GPU，需通过 `--gpus all` 参数启动容器。以下是启动交互式 Bash 终端的示例命令： ```bash docker run --rm -it --gpus all nvcr.io/nvidia/pytorch:latest /bin/bash ``` 在此模式下，用户可以在容器内部执行 Python 命令或测试 PyTorch 功能。 --- #### 4. 测试 PyTorch 对 GPU 的支持 进入容器后，可通过以下代码片段验证 PyTorch 是否正常识别 GPU： ```python import torch print(torch.cuda.is_available()) # 应返回 True 表明 GPU 可用 print(torch.__version__) # 打印当前 PyTorch 版本 ``` 如果一切配置无误，上述脚本应显示 GPU 是可用状态，并打印出对应的 PyTorch 版本信息。 --- #### 5. 自定义环境（可选） 如果需要额外安装库或其他依赖项，可以基于现有镜像创建新的自定义镜像。例如，先修改基础环境后再提交更改作为新镜像存储： ```bash docker commit <container_id> my_custom_pytorch_image ``` 随后即可使用新建的镜像继续开发工作流[^3]。 --- ### 注意事项 - **驱动兼容性**：确保宿主机上的 NVIDIA 显卡驱动满足目标 CUDA 版本的要求。 - **资源隔离**：默认情况下，Docker 不会对 GPU 使用量做任何限制；生产环境中可能需要进一步调整设置以优化性能表现。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值