Docker添加TensorFlow后镜像体积暴增，如何缩减镜像大小？

我尝试通过在conda环境的.yml文件中添加以下依赖来引入TensorFlow：

name: py310
channels:
  - conda-forge
dependencies:
  - python=3.10
  - pandas 

新增的TensorFlow依赖 #

- pip
  - cudatoolkit=11.2 
  - cudnn=8.1.0
  - pip:
    - keras-tuner
    - tensorflow>2.0

添加TensorFlow及其依赖后，镜像体积增加了3-4GB。这属于正常情况吗？我能否通过某种方式缩减安装体积（比如我不需要GPU支持）。基础镜像为：FROM condaforge/mambaforge

1. 体积增加3-4GB是否正常？ #

正常。你添加的cudatoolkit和cudnn是体积较大的GPU依赖包，加上TensorFlow本身的依赖集合，整体增加3-4GB符合预期。

2. 缩减安装体积的方法（针对不需要GPU支持的场景） #

方法一：移除GPU依赖，安装CPU版TensorFlow #

修改conda环境.yml文件，删除cudatoolkit和cudnn，指定安装CPU专属的TensorFlow版本：

name: py310
channels:
  - conda-forge
dependencies:
  - python=3.10
  - pandas
  - pip
  - pip:
    - keras-tuner
    - tensorflow-cpu>2.0

CPU版TensorFlow无需GPU驱动依赖，体积会大幅降低，通常能减少2-3GB左右的占用。

方法二：用conda直接安装CPU版TensorFlow #

通过conda安装时，可指定cpuonly标签，自动跳过GPU相关依赖，无需额外用pip处理：

name: py310
channels:
  - conda-forge
dependencies:
  - python=3.10
  - pandas
  - tensorflow>2.0=cpuonly*
  - keras-tuner

这种方式由conda统一管理依赖，能有效避免冗余安装，进一步压缩体积。

方法三：清理构建缓存 #

在Docker镜像构建流程中，安装完成后清理conda和pip的缓存文件，删除冗余临时数据：

mamba clean -afy && rm -rf /root/.cache/pip

内容的提问来源于stack exchange，提问作者MMCM_