Docker构建TensorFlow容器运行时导入tf即无报错退出问题求助

• 先排查OOM（内存不足）问题
  TensorFlow导入时默认会预占用全部可用显存/大量内存，资源不足时Linux内核会直接终止进程，无任何报错输出。
  验证方法：启动容器前，在宿主机执行dmesg -w实时监控内核日志，若容器退出时日志出现Out of memory: Killed process xxx (python)相关记录，即可确认是该问题。
  解决方法：
  1. 升级宿主机内存/显存资源
  2. 在ai_app.py导入TensorFlow前添加显存限制逻辑：

  import os
  # 关闭TensorFlow冗余日志输出
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
  import tensorflow as tf
  # 开启显存动态分配
  gpus = tf.config.experimental.list_physical_devices('GPU')
  if gpus:
    try:
      for gpu in gpus:
        tf.config.experimental.set_memory_growth(gpu, True)
    except RuntimeError as e:
      print(e)
  

• 排查挂载目录冲突问题
  你的Dockerfile中设置最终工作目录为/Speech2，启动容器时又将宿主机/usr/services/Speech2Text_new/挂载到容器的/Speech2路径，会直接覆盖容器内该路径的原有内容，且可能引入冲突：
  1. 若宿主机挂载目录中存在和容器内Python版本不兼容的依赖包、或存在名为tensorflow的同名文件/目录，会导致导入异常
  2. 若ai_app.py未存放在宿主机的挂载目录中，工作目录下无对应脚本也会直接退出
     验证方法：修改Dockerfile的CMD为CMD ["sleep", "3600"]，重新构建启动容器后执行docker exec -it <容器ID> bash进入容器，手动执行python -c "import tensorflow as tf; print(tf.__version__)"，查看是否能正常输出版本号。
• 排查版本兼容问题
  Python 3.7支持的最高TensorFlow版本为2.10.1，若你的requirements.txt中未指定TensorFlow版本，默认会安装最新版，出现依赖不兼容的问题。
  解决方法：在requirements.txt中固定版本为tensorflow==2.10.1，重新构建镜像。
• 排查系统依赖缺失问题
  TensorFlow运行需要额外系统依赖，你当前只安装了libsndfile1，缺失依赖会直接导致进程崩溃。
  解决方法：修改Dockerfile的apt安装步骤，补充缺失依赖：

  RUN apt-get update
  RUN apt-get install -y libsndfile1 libgomp1 libgl1-mesa-glx libglib2.0-0
  

• 排查输出缓冲吞日志问题
  Python默认会缓冲标准输出，进程被强制终止时缓冲内的报错信息可能无法输出，修改Dockerfile的CMD开启无缓冲模式：

  CMD ["python", "-u", "ai_app.py", "xxxx", "6020", "/Speech"]
  

内容的提问来源于stack exchange，提问作者nbuitra