一、预置镜像的选择
- 框架镜像：预装 PyTorch / TensorFlow 常用版本，CUDA 与驱动已匹配，开机即用
- 基础镜像：仅含 CUDA 运行时，适合自行安装框架与依赖
- 使用预置镜像可跳过驱动 / CUDA / 框架的版本匹配工作，直接进入业务代码
二、自定义环境与镜像导入
- 在预置镜像上用 pip / conda 安装依赖后，保存为自定义镜像供团队复用
- Docker 镜像可按导出（docker save）→ 上传 → 导入流程在平台使用
- 依赖建议锁定版本（requirements.txt / environment.yml），保证环境可复现
三、常见版本问题
- CUDA 与驱动不匹配：先用 nvidia-smi 确认宿主驱动支持上限，再选对应 CUDA 版本的镜像
- 框架与 CUDA：PyTorch / TensorFlow 官方发行包自带 CUDA 运行时，通常只需驱动满足下限
- 驱动类报错可参考《GPU 实例 CUDA 驱动异常与 NVLink 通信延迟常见诊断步骤》
说明
可用镜像清单以控制台实际列表为准；特殊环境需求可联系技术支持定制。
需要进一步帮助？
把节点标识、报错截图与复现步骤发给我们，技术团队会更快定位。