在Docker中运行Spleeter时tensorflow==2.3.0版本匹配错误如何解决？

• 你使用的M1芯片为ARM64架构，TensorFlow 2.3.0官方未发布适配ARM64架构的预编译安装包，默认拉取的ARM64版Python基础镜像无法找到对应版本的依赖包
• 升级pip后触发TensorFlow源码编译流程，因此构建时间极长
• 你的Dockerfile存在冗余操作：requirements.txt中已声明spleeter依赖，后续又单独执行RUN pip3 install spleeter，重复安装拉长构建时间

方案1：强制使用x86_64架构构建（最快，无需修改配置文件） #

构建镜像时指定平台参数，Docker会通过Rosetta2转译运行x86_64架构镜像，可直接使用预编译的TensorFlow 2.3.0包，无需编译：

docker build --platform linux/amd64 -t 你的镜像名称 .

方案2：构建原生ARM64架构镜像 #

适配M1架构的同时避免源码编译：

1. 升级spleeter版本到2.4.0及以上，该版本支持适配ARM架构的高版本TensorFlow
2. 修改requirements.txt，将spleeter依赖替换为spleeter==2.4.0
3. 删掉Dockerfile中冗余的RUN pip3 install spleeter行
4. 在安装requirements.txt之前添加一行命令安装ARM版TensorFlow：

RUN pip3 install tensorflow-macos==2.9.0 tensorflow-metal==0.5.0

5. 正常执行docker build即可，所有依赖均为预编译包，构建速度快

方案3：使用spleeter预构建镜像作为基础镜像 #

直接使用已经配置好所有spleeter依赖的镜像作为基础，无需自行安装音频、机器学习相关依赖，构建速度最快：
将Dockerfile第一行的基础镜像替换为：

FROM deezer/spleeter:2stems

后续仅需添加你的Flask相关依赖、业务代码即可。

内容的提问来源于stack exchange，提问作者Jay