应优先使用官方预编译镜像如tensorflow/tensorflow:2.15.0-slim-py3，避免ABI不兼容问题；模型必须用SavedModel格式导出并绝对路径加载；精简镜像可删文档、测试文件并谨慎strip二进制，最终控制在600MB内。
确认TensorFlow版本与基础镜像的ABI兼容性
直接用 python:3.9-slim 拉起环境再 pip install tensorflow，大概率在运行时遇到 ImportError: libcudart.so.11.0: cannot open shared object file 或 undefined symbol: _ZN10tensorflow14kernel_factory17OpKernelRegistrar13GetFactoryMapEv。这不是代码问题，是 TensorFlow 动态链接库和系统级 CUDA/cuDNN 版本不匹配。
正确做法是优先选用官方预编译镜像：tensorflow/tensorflow:2.15.0-gpu-py3（GPU版）或 tensorflow/tensorflow:2.15.0-slim-py3（CPU精简版）。它们已内置适配的 libtensorflow.so、CUDA runtime 和 ABI 兼容的 Python 扩展模块。
- 用
docker run --rm -it tensorflow/tensorflow:2.15.0-slim-py3 python -c "import tensorflow as tf; print(tf.__version__)"验证基础环境可用 - 避免混合使用
tensorflow-cpu和tensorflow-gpu包——镜像里已固化依赖，额外 pip install 会破坏 ABI - 若模型含自定义 C++ op，必须用对应 TF 版本源码编译，且基础镜像需包含
bazel和gcc工具链
模型序列化方式决定Docker内加载逻辑
TF 2.x 默认保存为 SavedModel 格式（目录含 saved_model.pb 和 variables/），这是 Docker 部署唯一推荐格式。HDF5（.h5）或 Checkpoint 在容器中加载可能失败，尤其当模型含自定义层或动态图结构时。
导出时明确指定签名函数：
使用 Python 脚本下载 Docker 镜像并打包为 tar 文件。用户说“下载镜像”“拉取镜像”“pull xxx”“帮我下载 nginx 镜像”等时触发。支持 SOCKS5 代理直连（推荐）和国内镜像站加速两种模式。
立即学习“Python免费学习笔记（深入）”；
model.save("/path/to/saved_model", save_format="tf", signatures={
"serving_default": model.call.get_concrete_function(
tf.TensorSpec(shape=[None, 224, 224, 3], dtype=tf.float32)
)
})
- Docker 内加载必须用
tf.keras.models.load_model("/model")，路径需与 COPY 目标一致 - 不要依赖相对路径或当前工作目录——Docker 启动时
WORKDIR可能被覆盖，硬编码绝对路径更可靠 - 若模型含
tf.function装饰的推理函数，SavedModel 会自动捕获，无需额外导出
精简镜像体积的关键操作
默认 tensorflow/tensorflow:2.15.0-slim-py3 镜像约 1.2GB，但实际推理只需 libtensorflow.so、Python bindings 和模型文件。可进一步裁剪：
- 用
FROM tensorflow/tensorflow:2.15.0-slim-py3作为构建阶段基础镜像，COPY 模型后执行pip install --no-deps tensorflow==2.15.0（仅安装 wheel，跳过冗余依赖） - 删除文档和测试文件：
rm -rf /usr/local/lib/python3.9/site-packages/tensorflow/docs /usr/local/lib/python3.9/site-packages/tensorflow/test - 用
strip --strip-unneeded处理.so文件（谨慎：部分符号移除后会导致tf.data初始化失败） - 最终镜像控制在 600MB 内较现实；低于 400MB 通常需切换至
manylinux2014基础镜像并手动链接 libtensorflow
启动时常见权限与路径错误
容器内模型加载失败，80% 情况不是代码问题，而是文件权限或路径映射不对：
-
COPY模型目录后，确保 owner 是 root 或容器默认用户（如1001），否则tf.keras.models.load_model()读取variables/时抛PermissionError - 用
docker run -v $(pwd)/model:/model:ro挂载时，宿主机文件权限会透传，建议提前chmod -R a+r /model -
WORKDIR /app后COPY model /app/model，则加载路径必须是/app/model，而非./model或model/ - 若用
ENTRYPOINT ["python", "serve.py"]，确保serve.py中模型路径写死为绝对路径，且该脚本本身COPY到镜像内（别依赖挂载）
模型加载慢？检查是否误启用了 eager execution 或未禁用 profiler——Docker 默认无 GPU 监控，tf.config.run_functions_eagerly(False) 和清除 TF_ENABLE_ONEDNN_OPTS 环境变量能提速 15%~20%。
