Determined Environments是Determined AI平台的环境管理组件，用于创建和管理标准化、可重现的机器学习训练环境，支持依赖管理、环境隔离和多框架集成，简化ML训练环境配置，提升团队协作效率和实验可重复性。

比特纳米PyTorch安全镜像是一款为深度学习框架PyTorch量身打造的预配置、安全加固型容器镜像，集成经过严格测试的依赖组件，具备漏洞扫描、合规性检查及持续更新机制，可有效保障开发环境安全，简化从模型训练到部署的全流程，适用于科研机构、企业开发者在AI项目中快速构建稳定、安全的PyTorch运行环境。

基于ROCm的PyTorch Docker镜像为开发者提供了预配置的深度学习环境，集成了PyTorch框架与AMD ROCm开源计算平台，支持AMD GPU硬件加速，无需手动配置驱动及库依赖，可直接用于深度学习模型的开发、训练与部署，有效简化环境搭建流程，确保跨平台一致性，适用于科研机构、工业界等多种场景，助力高效利用AMD硬件资源开展AI相关任务。

Bitnami提供的PyTorch Helm chart，用于在Kubernetes环境中简化PyTorch的部署与管理。

使用Chainguard的低至零CVE容器镜像构建、交付和运行安全软件。

支持ROCm后端的Tensorflow

该Docker仓库用于托管PyTorch每日构建版Docker镜像。

Bitnami Secure Image for tensorflow-serving

Bitnami安全镜像，用于TensorFlow Serving和ResNet模型的客户端工具，支持ResNet模型预测，提供安全加固特性、非root容器支持及便捷部署流程，适用于开发和测试环境中的模型服务交互。

Bitnami TensorFlow ResNet的Helm图表，用于在Kubernetes集群上部署TensorFlow Serving ResNet模型，支持资源配置、Prometheus监控等功能，适用于开发和生产环境的模型服务部署。

暂无描述

用于在英特尔架构上运行PyTorch工作负载的容器

Intel® Extension for PyTorch*扩展PyTorch，通过最新功能优化在Intel硬件上提供额外性能提升，CPU利用AMX、AVX-512及VNNI指令集，GPU支持简易加速。

针对ROCm优化的统一PyTorch基础训练容器

暂无描述

Bitnami安全镜像为TensorFlow提供经过安全加固的运行环境，支持TensorFlow应用的部署与运行。

暂无描述

暂无描述

用于构建最新TensorFlow Docker镜像的仓库

暂无描述

暂无描述

PyTorch是一款以Python为首要设计理念的深度学习框架，凭借简洁易用的Python接口、动态计算图机制及强大的灵活性，广泛应用于学术研究与工业开发，支持从快速原型设计到大规模部署的全流程，深度融合Python数据科学生态，为开发者提供高效且直观的深度学习解决方案。

corpusops/docker-tensorflow 是一个便捷的 TensorFlow Docker 镜像，集成 TensorFlow 及常用依赖，支持 CPU/GPU，提供多版本标签，适用于机器学习开发、模型训练与推理。

暂无描述

TensorFlow（官网：[***]

暂无描述

暂无描述

暂无描述

暂无描述

TensorFlow Serving（[***]

暂无描述

暂无描述

暂无描述

暂无描述

TensorFlow SIG Build提供的用于构建TensorFlow的容器。

已安装conda的通用目的镜像，用于PyTorch的CI/CD流程。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

基于PyTorch Lightning框架的Docker镜像，用于简化深度学习模型的训练流程，加速模型开发与实验。

暂无描述

暂无描述

暂无描述

PyTorch Serve 是官方模型服务框架，用于简化 PyTorch 模型部署，支持 REST/gRPC 接口、动态批处理、多模型版本控制及监控集成，适用于企业级推理服务场景。

pytorch-tensorflow-cpu development

为RunPod平台设计的便捷镜像，基于官方PyTorch镜像，支持通过环境变量配置SSH（22端口）和Jupyter Lab（8888端口）服务，便于远程开发和模型训练。

暂无描述