HinGwenWoong的博客

利用Docker快速搭建TensorRT环境。我们平时训练 or 部署的环境， TensorFlow 和 Pytorch 有时候会出现兼容性导致的错误，如果线上已经部署了多个 TensorFlow 模型的情况下，后续要继续使用 TensorFlow 而不能使用 Pytorch 写的更好的网络，这导致我们在模型选型的时候很受制约。另外，我们如果直接使用 Python 部署的话，其作为解释语言的处理速度无法超过编译语言，这导致推理会比较耗时。借助 docker 容器的便捷性，更加能够快速进行TensorRT搭建

Docker 搭建深度学习环境镜像，让你一次搭建无限部署我们平常开发的时候，难免会遇到多种不同的环境，有的是底层的驱动，有的是依赖库。依赖库的比较好办，可以使用虚拟环境进行分隔，但是不同的驱动的话，我们就会挺头疼的，这时候，Docker 可以解决这一烦恼。除了开发，我们还会涉及到项目部署，虽然有运维工程师，但是我们开发工程师还是需要协助进行环境的安装，每一个项目都要重头再来搭建环境，让人极其烦躁，但是不做又不行，一个很好的解决方式就是使用Docker 打包镜像，可以将我们这个搭建环境的过程只需一次就可以