--- title: 公用映像檔 description: OneAI 文件 --- [OneAI 文件](/s/user-guide) # 公用映像檔 本系統提供多種 AI 運算適用的最佳化容器映像檔，多樣化的 AI 訓練框架，搭配系統資源，可快速部署 GPU 處理器的工作環境，提高工作效率！ 系統內建的映像檔可分為三大類，包括多種 NGC AI 運算最佳化容器映像檔，以及多樣化的 AI 訓練框架，在使用容器服務、任務容器或 AI Maker 時皆可選用公用映像檔，搭配系統資源，快速部署工作環境，提高工作效率！ * [**NVIDIA Official Images**](#NVIDIA-Official-Images)：基於 NGC 優化的映像檔 * [**Notebook 映像檔**](#Notebook-映像檔)：專為 [**筆記本服務**](/s/notebook) 提供的開發環境 * [**AI Maker 案例教學映像檔**](#AI-Maker-案例教學映像檔)：專為 [**AI Maker 案例教學**](/s/user-guide#案例教學) 提供的開發環境 <br><br> ## NVIDIA Official Images 基於 NGC 優化的映像檔，預載 SSH 和 JupyterLab 服務、以及 AI Maker 相關套件，提供立即可用的深度學習開發環境。 | 映像檔版本 | 簡介 | 映像檔來源 | |-|-|-| | Kaldi-21.02-py3 | Kaldi 是一個開放原始碼語音處理軟體框架。 | [nvcr.io/nvidia/<br>kaldi:21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/kaldi) | | Kaldi-22.08-py3| Kaldi 是一個開放原始碼語音處理軟體框架。 | [nvcr.io/nvidia/<br>kaldi:22.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/kaldi) | | MXNet-21.02-py3 |MXNet 是一個開放原始碼的深度學習框架，能在雲端基礎架構到移動設備等各種設備上定義、訓練和部署深度神經網路。它具有高度可擴展性，模型訓練快速，並支持靈活的程式模型和多種語言。 | [nvcr.io/nvidia/<br>mxnet:21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/mxnet) | | PyTorch-21.02-py3 | PyTorch 是一種 GPU 加速張量運算框架。可使用常見的 Python 程式庫（例如 NumPy 和 SciPy）來擴充功能性。 | [nvcr.io/nvidia/<br>pytorch:21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/pytorch) | | TensorFlow-21.02-tf1-py3 <br><sup style="black"> 2023/01/01 起不再維護此映像檔</sup> | TensorFlow 是開放原始碼機器學習平台，它以靈活的架構提供全方位工具和程式庫，在各種平台和裝置上都能輕鬆部署。 | [nvcr.io/nvidia/<br>tensorflow:<br>21.02-tf1-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow) | | TensorFlow-21.02-tf2-py3 | TensorFlow 是開放原始碼機器學習平台，它以靈活的架構提供全方位工具和程式庫，在各種平台和裝置上都能輕鬆部署。 | [nvcr.io/nvidia/<br>tensorflow:<br>21.02-tf2-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow) | | TensorRT-21.02-py3 | NVIDIA TensorRT 是一種 C++ 程式庫，有助於在 NVIDIA 圖形處理單元 (GPU) 上進行高效能推論。TensorRT 採用經過訓練的網路，針對該網路產生高度最佳化的執行環境來進行推論。 | [nvcr.io/nvidia/<br>tensorrt:<br>21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorrt) | | TensorRT-22.08-py3 | NVIDIA TensorRT 是一種 C++ 程式庫，有助於在 NVIDIA 圖形處理單元 (GPU) 上進行高效能推論。TensorRT 採用經過訓練的網路，針對該網路產生高度最佳化的執行環境來進行推論。 | [nvcr.io/nvidia/<br>tensorrt:<br>22.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorrt) | TritonServer-21.02-py3 | Triton Inference Server 是開放原始碼軟體，可讓團隊從任何框架、本地端或雲端儲存空間，並在雲端、資料中心或嵌入式裝置中任何採用 GPU 或 CPU 的基礎架構上部署經過訓練的 AI 模型。 | [nvcr.io/nvidia/<br>tritonserver:<br>21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver) |TritonServer-21.02-py3 Triton Inference Server 是開放原始碼軟體，可讓團隊從任何框架、本地端或雲端儲存空間，並在雲端、資料中心或嵌入式裝置中任何採用 GPU 或 CPU 的基礎架構上部署經過訓練的 AI 模型。 | [nvcr.io/nvidia/<br>tritonserver:<br>21.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver)\ |TritonServer-22.08-py3| Triton Inference Server 是開放原始碼軟體，可讓團隊從任何框架、本地端或雲端儲存空間，並在雲端、資料中心或嵌入式裝置中任何採用 GPU 或 CPU 的基礎架構上部署經過訓練的 AI 模型。 | [nvcr.io/nvidia/<br>tritonserver:<br>22.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver)| <br><br> ## Notebook 映像檔 專為 [**筆記本服務**](/s/notebook) 提供的映像檔整合了主流的開發環境，包括 JupyterLab 互動式開發環境、深度學習框架（TensorFlow、PyTorch、 MXNet）與套件以及支援資料科學語言（Julia、R）與數據分析引擎（Spark）。 | 映像檔版本 | 簡介 | 映像檔來源 | |-|-|-| | CUDA-11.2.0-cudnn8-devel-ubuntu20.04 | CUDA 是一種平行運算平台和程式設計模型，透過 NVIDIA GPU 的強大運算能力，大幅提高效能。 | [nvcr.io/nvidia/<br>cuda:11.2.0-cudnn8-devel-ubuntu20.04](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/cuda) | | DataScience-lab-3.2.1 <br><sup style="color:red"> 2023/03/30 起不再提供此映像檔</sup>| 包含 Julia、Python 和 R 等程式語言與套件的資料科學環境。 | [jupyter/<br>datascience-notebook:<br>lab-3.2.1](https://hub.docker.com/r/jupyter/datascience-notebook) | | DataScience-lab | 包含 Julia、Python 和 R 等程式語言與套件的資料科學環境。 | [jupyter/<br>datascience-notebook:lab-3.2.1](https://hub.docker.com/r/jupyter/datascience-notebook) | | Monai-1.0.0 | MONAI 是一個具有社群支援、基於 PyTorch 的醫學影像深度學習框架。它提供經過領域最佳化的基本功能，可在原生 PyTorch 範例中開發醫學影像訓練工作流程。 | [nvcr.io/nvidia/<br>pytorch:22.08-py3](http://nvcr.io/nvidia/pytorch:22.08-py3) | | MXNet-21.02-py3 | MXNet 是一個開放原始碼的深度學習框架，能在雲端基礎架構到移動設備等各種設備上定義、訓練和部署深度神經網路。它具有高度可擴展性，模型訓練快速，並支持靈活的程式模型和多種語言。 | [nvcr.io/nvidia/<br>mxnet:21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/mxnet) | | PySpark-spark-3.2.0 | PySpark 是以 Python 開發的 Apache Spark 介面。 可使用 Python API 編寫 Spark 應用程序，並提供 PySpark shell 用於在分佈式環境中互動式分析數據。 | [jupyter/<br>pyspark-notebook:<br>spark-3.2.0](https://hub.docker.com/r/jupyter/pyspark-notebook) | | PyTorch-21.02-py3 | PyTorch 是一種 GPU 加速張量運算框架。可使用常見的 Python 程式庫（例如 NumPy 和 SciPy）來擴充功能性。 | [nvcr.io/nvidia/<br>pytorch:<br>21.02-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/pytorch) | | PyTorch-22.08-py3 | PyTorch 是一種 GPU 加速張量運算框架。可使用常見的 Python 程式庫（例如 NumPy 和 SciPy）來擴充功能性。 | [nvcr.io/nvidia/<br>pytorch:<br>22.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/pytorch) | | RAPIDS-22.04 | RAPIDS 軟體程式庫套件讓您可以自由地全程在 GPU 上執行端對端資料科學和分析的工作流程。 | [nvcr.io/nvidia/<br>rapidsai/rapidsai:<br>22.04-cuda11.2-runtime-ubuntu20.04](https://catalog.ngc.nvidia.com/orgs/nvidia/teams/rapidsai/containers/rapidsai) | | RAPIDS-22.08 | RAPIDS 軟體程式庫套件讓您可以自由地全程在 GPU 上執行端對端資料科學和分析的工作流程。 | [nvcr.io/nvidia/<br>rapidsai/rapidsai:<br>22.08-cuda11.2-runtime-ubuntu20.04-py3.9](https://catalog.ngc.nvidia.com/orgs/nvidia/teams/rapidsai/containers/rapidsai) | | TensorFlow-21.02-tf1-py3 <br><sup style="black"> 2023/01/01 起不再維護此映像檔</sup>| TensorFlow 是開放原始碼機器學習平台，它以靈活的架構提供全方位工具和程式庫，在各種平台和裝置上都能輕鬆部署。 | [nvcr.io/nvidia/<br>tensorflow:<br>21.02-tf1-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow) | | TensorFlow-21.02-tf2-py3 | TensorFlow 是開放原始碼機器學習平台，它以靈活的架構提供全方位工具和程式庫，在各種平台和裝置上都能輕鬆部署。 | [nvcr.io/nvidia/<br>tensorflow:<br>21.02-tf2-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow) | | TensorFlow-22.08-tf2-py3 | TensorFlow 是開放原始碼機器學習平台，它以靈活的架構提供全方位工具和程式庫，在各種平台和裝置上都能輕鬆部署。 | [nvcr.io/nvidia/<br>tensorflow:<br>22.08-tf2-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorflow) | | Parabricks-4.0.0|NVIDIA Clara Parabricks 是一種加速運算框架，可用於基因體產業中的各種應用，主要支援 DNA、RNA 和體細胞突變檢測應用的分析工作流程。 | [nvcr.io/nvidia/<br>clara/clara-parabricks:<br>4.0.0-1](https://catalog.ngc.nvidia.com/orgs/nvidia/teams/clara/containers/clara-parabricks) | :::warning :warning: **注意：** 如需使用 Elyra 套件，建議透過 CLI 指令運行，詳細資訊請參考 [**Elyra Running Pipelines 說明文件**](https://elyra.readthedocs.io/en/latest/user_guide/pipelines.html#running-pipelines)。 ::: ## AI Maker 案例教學映像檔 此類型的映像檔是專為 AI Maker 案例教學所準備的開發環境，建議配合 [**AI Maker 案例教學**](/s/user-guide#案例教學) 使用。 | 映像檔 | 映像檔版本 | 簡介 | 映像檔來源 | |-|-|-|-| | yolo | v3 <br><sup style="black"> 2023/01/01 起不再維護此映像檔</sup>| 基於 YOLO 神經網路架構，提供物件辨識的深度學習開發環境。 | [nvidia/cuda:11.0.3-<br>cudnn8-devel-<br>ubuntu18.04](https://hub.docker.com/layers/cuda/nvidia/cuda/11.0.3-cudnn8-devel-ubuntu18.04/images/sha256-808c17333cebdc65e914bd1211903695652bc52dd14fe109ac505955f744f465?context=explore) | | yolo | v4 | 基於 YOLO 神經網路架構，提供物件辨識的深度學習開發環境。 | [nvidia/cuda:11.0.3-<br>cudnn8-devel-<br>ubuntu18.04](https://hub.docker.com/layers/cuda/nvidia/cuda/11.0.3-cudnn8-devel-ubuntu18.04/images/sha256-808c17333cebdc65e914bd1211903695652bc52dd14fe109ac505955f744f465?context=explore) | | yolo | v7 | 基於 YOLO 神經網路架構，提供物件辨識的深度學習開發環境。 | [nvcr.io/nvidia/<br>pytorch:<br>21.08-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/pytorch) | | cvat-tritonserver | v21.03 | 基於 NVIDIA Triton 推論伺服器，優化模型部署流程及推論效率，可連結電腦視覺標註工具 (CVAT)，開發影像自動標註相關應用。 | [nvcr.io/nvidia/<br>tensorrtserver:<br>19.10-py3](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tensorrtserver/tags) | | clara| v3.0 <br><sup style="color:red"> 2023/03/30 起不再提供此映像檔</sup> | 使用 NVIDIA Clara Train SDK，提供醫學影像辨識的深度學習開發環境。 | [nvcr.io/nvidia/<br>clara-train-sdk:<br>v3.0](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/clara-train-sdk/tags) | | clara | v4.0 | 使用 NVIDIA Clara Train SDK，提供醫學影像辨識的深度學習開發環境。 | [nvcr.io/nvidia/<br>clara-train-sdk:<br>v4.0](https://catalog.ngc.nvidia.com/orgs/nvidia/containers/clara-train-sdk/tags) | | clara-nginx | v1 | 使用 NGINX 反向代理串接 Clara AIAA Server，提供醫學影像辨識的輔助推論服務。 | [debian:<br>buster-slim](https://hub.docker.com/layers/debian/library/debian/buster-slim/images/sha256-22a36d295282f4cfc4faaf40819177884ea0b2942591ee47b118af367e4c5152?context=explore) | | image-classification | v1 | 基於 TensorFlow 機器學習框架，內建七種深度學習預訓練模型，提供圖像分類器的開發環境。 | [tensorflow/<br>tensorflow:<br>2.5.0-gpu](https://hub.docker.com/layers/tensorflow/tensorflow/2.5.0-gpu/images/sha256-0cb24474909c8ef0a3772c64a0fd1cf4e5ff2b806d39fd36abf716d6ea7eefb3?context=explore) | | ml-sklearn | v1 <br><sup style="black"> 2023/01/01 起不再維護此映像檔</sup> | 基於 scikit-learn 機器學習框架，提供各種分類和迴歸工具。 | [ubuntu:18.04](https://hub.docker.com/layers/ubuntu/library/ubuntu/18.04/images/sha256-8da4e9509bfe5e09df6502e7a8e93c63e4d0d9dbaa9f92d7d767f96d6c20a78a?context=explore) | | ml-sklearn | v2 | 基於 scikit-learn 機器學習框架，提供各種分類和迴歸工具。 | [nvidia/cuda:11.3.0-devel-ubuntu20.04](https://hub.docker.com/layers/nvidia/cuda/11.3.0-cudnn8-devel-ubuntu20.04/images/sha256-d2526bbffdfe9db308edce3ab1a1d8e009581c5417466705fd61a0ccc39c041b?context=explore)| | pedestrian-attribute-recognition | v1 | 基於 Keras 和 TensorFlow 機器學習框架，使用 ResNet50 預訓練模型，提供行人屬性辨識的開發環境。 | [nvidia/cuda:11.2.0-<br>cudnn8-devel-<br>ubuntu18.04](https://gitlab.com/nvidia/container-images/cuda/-/tree/master) | | huggingface | v1 | 基於 Hugging Face 機器學習框架，透過 Hub 上萬的預訓練模型，使用自訂資料集來微調或訓練模型，以及建置相關應用 | [nvidia/cuda:11.3.0-<br>base-ubuntu18.04](https://hub.docker.com/layers/cuda/nvidia/cuda/11.3.0-base-ubuntu18.04/images/sha256-8c14110b0366db71e9d0dfb461834e4ab4c68a5ec1896d3c13011777637c3ced?context=explore) | :::info :bulb:**提示：** [**案例教學**](/s/user-guide#案例教學) 所使用的映像檔及版本如下。 <br> | 案例教學 | 映像檔及版本 | |-|-| | [AI Maker 案例教學 - YOLOv7 影像辨識應用](/s/casestudy-yolov7) | yolo:v7 <br>cvat-tritonserver:v21.03| | [AI Maker 案例教學 - YOLOv4 影像辨識應用](/s/JyKyKQe1c) | yolo:v4 <br>cvat-tritonserver:v21.03| | [AI Maker 案例教學 - MONAI 1.0 教學：使用脾臟 CT 資料集訓練 3D 分割技術模型](/s/casestudy-monai) | notebook:Monai-1.0.0 <br>clara-nginx:v1 | | [AI Maker 案例教學 - Clara 4.0 教學：使用脾臟 CT 資料集訓練 3D 分割技術模型](/s/casestudy-clara4) | clara:v4 <br>clara-nginx:v1| | [AI Maker 案例教學 - 影像分類模型應用](/s/casestudy-image-classification) | image-classification:v1| | [AI Maker 案例教學 - 表格式資料機器學習：分類應用](/s/casestudy-tabular-data-classification) | ml-sklearn:v2| | [AI Maker 案例教學 - 表格式資料機器學習：迴歸應用](/s/casestudy-tabular-data-regresssion) | ml-sklearn:v2| | [AI Maker 案例教學 - Hugging Face 文字分類應用](/s/hf-text-classification)|huggingface:v1|[AI Maker 案例教學 - Hugging Face 聲音分類應用](/s/hf-audio-classification)|huggingface:v1| | [AI Maker 案例教學 - Hugging Face 影像分類應用](/s/hf-image-classification)|huggingface:v1| | [AI Maker 案例教學 - Hugging Face 專有名詞辨識應用](/s/hf-token-classification)| huggingface:v1| | [AI Maker 案例教學 - Hugging Face 問答測驗應用](/s/hf-question-answering)| huggingface:v1| |[AI Maker 案例教學 - Hugging Face 語言翻譯應用](/s/hf-translation)| huggingface:v1| | [AI Maker 案例教學 - Hugging Face 文章摘要應用](/s/hf-summarization)| huggingface:v1| | [AI Maker 案例教學 - Hugging Face 聲音轉文字應用](/s/hf-speech-recognition)| huggingface:v1| | [AI Maker 案例教學 - Hugging Face 物件偵測應用](/s/hf-object-detection)| huggingface:v1| | [AI Maker 案例教學 - 行人屬性辨識](/s/Uj5yw5Qu_) | pedestrian-attribute-recognition:v1| | [案例教學 - 在 OneAI 部署 NVIDIA Clara Federated Learning （聯合學習）](/s/UIzgOPv5R) | clara:v4 | | [案例教學 - 在 OneAI 部署 NVIDIA Federated Learning Application Runtime Environment（NVIDIA FLARE）](/s/CPWng_lxZk) | clara:v4<br>nvidia-official-images:PyTorch-21.02-py3| :::