构建自定义Tensorflow镜像时用到的链接地址整理

NVIDIA相关：

1. NVIDIA CUDA镜像的docker hub：https://hub.docker.com/r/nvidia/cuda/tags?page=&page_size=&ordering=&name=12.4.1
2. NVIDIA 构建的Tensorflow镜像包：https://docs.nvidia.com/deeplearning/frameworks/tensorflow-release-notes/overview.html
3. CUDA ToolKits 下载地址：https://developer.nvidia.com/cuda-toolkit-archive

Tensorflow相关：

1. Tensorflow官网安装地址：https://www.tensorflow.org/install/pip?hl=zh-cn
2. Tensorflow官网gpu支持：https://www.tensorflow.org/install/gpu?hl=zh-cn#software_requirements
3. Tensorflow docker hub地址：https://hub.docker.com/r/tensorflow/tensorflow/tags?page=&page_size=&ordering=&name=
4. Tensorflow Github地址：https://github.com/tensorflow/tensorflow/blob/v2.15.0/tensorflow/tools/ci_build/README.md

TensorRT相关：

1. 安装指南：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html
2. TensorRT下载地址：https://developer.nvidia.com/tensorrt/download
3. TensorRT 报错TF-TRT Warning: Could not find TensorRT解决：https://blog.csdn.net/weixin_45710350/article/details/140232873?utm_medium=distribute.pc_relevant.none-task-blog-2_defaultbaidujs_baidulandingword~default-0-140232873-blog-132561059.235、 https://github.com/tensorflow/tensorflow/issues/61986
4. TensorRT pip源地址：https://pypi.org/project/tensorrt-cu12/#history、https://pypi.org/simple/tensorrt/

TensorBoard相关

1. 教程地址：https://tensorflow.google.cn/tensorboard/get_started?hl=zh-cn

python相关

1. miniconda的安装包地址（里面内置了不同版本的python）：https://repo.anaconda.com/miniconda/
2. 官方源：https://pypi.org/
3. 增加国内镜像源 conda/pip：
   # conda/pip增加国内源 RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ && \ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ && \ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ && \ conda config --set show_channel_urls yes && \ pip config set global.index-url http://mirrors.aliyun.com/pypi/simple/ && \ pip config set global.trusted-host mirrors.aliyun.com