TensorFlow Docker镜像

Question

当使用一般的TensorFlow docker镜像时，它们不会针对确切的目标架构进行优化。

a)是否有针对特定体系结构使用这些通用docker映像与编译的性能损失的研究？

b)当跨异构集群使用诸如KubeFlow/Mesos之类的编排系统时，将节点映射到优化的TensorFlow编译的最佳实践是什么(例如，将其安装在每个节点上，具有多个docker映像...)。

感谢您的反馈！

Answer 1

对于性能，你可以看看breandangregg container performance analysis它相当不错，因为停靠更类似于执行chroot，而不是虚拟化，因为容器共享一些内核函数。

异构集群的最佳实践是拥有一组映像。对于每个镜像，您可以使用不同的配置来运行容器，并传递环境变量。如果要进行相同的配置，例如可以使用kubernetes的自动缩放功能。