Docker 中快速安裝tensorflow環境

BlackFlagBin 發布于2019-06-28 16:43 / 2125人閱讀

摘要：中快速安裝環境，并使用。我們可以通過下面的命令在新的命令窗口看正在執行的容器，及容器所對應的映射端口三開啟容器可以直接從命令行中右鍵打開連接，或者在瀏覽器中輸入，然后將命令行中的粘貼上去。

Docker 中快速安裝tensorflow環境，并使用TensorFlow。

一、下載TensorFlow鏡像

docker pull tensorflow/tensorflow

二、創建TensorFlow容器

docker run --name corwien-tensortflow -it -p 8888:8888 -v /Users/kaiyiwang/Code/ai/notebooks:/notebooks/data  tensorflow/tensorflow

命令說明

docker run 運行鏡像，

--name 為容器創建別名，

-it 保留命令行運行，

-p 8888:8888 將本地的8888端口 http://localhost:8888/ 映射，

-v /Users/kaiyiwang/Code/ai/notebooks:/notebooks/data 將本地的/Users/kaiyiwang/Code/ai/notebooks文件夾掛載到新建容器的/notebooks/data下（這樣創建的文件可以保存到本地/Users/kaiyiwang/Code/ai/notebooks）

tensorflow/tensorflow 為指定的鏡像，默認標簽為latest（即tensorflow/tensorflow:latest）

執行上邊的命令：

我們可以看到，創建了TensorFlow容器，并給了一個默認登錄JupiterNotebook的頁面。

我們可以通過下面的命令在新的命令窗口看正在執行的容器，及容器所對應的映射端口

docker ps

三、開啟TensorFlow容器

1.可以直接從命令行中右鍵打開連接，或者在瀏覽器中輸入http://127.0.0.1:8888，然后將命令行中的token粘貼上去。

四、開始TensorFlow編程

1、點擊登錄進去可以看到界面了，并且可以new一個項目

2、tensorflow示例源碼解讀

from __future__ import print_function
#導入tensorflow
import tensorflow as tf
#輸入兩個數組，input1和input2然后相加，輸出結果
with tf.Session():
    input1 = tf.constant([1.0, 1.0, 1.0, 1.0])
    input2 = tf.constant([2.0, 2.0, 2.0, 2.0])
    output = tf.add(input1, input2)
    result = output.eval()
    print("result: ", result)

3、運行程序，輸出的結果為（運行成功）

result:  [ 3.  3.  3.  3.]

五、相關命令 1、關閉或開啟TensorFlow環境

#關閉tensorflow容器
docker stop corwien-tensortflow

#開啟TensorFlow容器
docker start corwien-tensortflow
#瀏覽器中輸入 http://localhost:8888/

2、文件的讀寫權限修改

#查看讀寫權限
ls -l
#將tensorflow 變為屬于corwien（系統默認）用戶
sudo chown -R corwien tensorflow/
#將tensorflow 變為屬于corwien（系統默認）用戶組
sudo chgrp -R corwien tensorflow/

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/27501.html

基于 Docker 搭建 TensorFlow 開發環境

摘要：它是目前最流行的容器解決方案。提供一次性的環境。端駐守在后臺，稱之為。入門指南簡介是一個使用數據流圖進行數值計算的開放源代碼軟件庫。學習資料官網中文社區官方文檔中文版極客學院什么是數據流圖數據流圖用結點和線的有向圖來描述數學計算。轉載需經本人同意且標注本文原始地址：https://zhaomenghuan.github.i... 前言第一次聽到 Docker 這個詞，是兩年前找實...

tianhang 2019-06-28 16:27 評論0 收藏0
TensorFlow Serving入門

摘要：針對這種情況提供了，可以將訓練好的模型直接上線并提供服務。在年的開發者上便提出了。在實際的生產環境中比較廣泛使用的通信手段是基于的，幸運的是從以后，也正式支持通信方式了。前 ?言大家習慣使用TensorFlow進行模型的訓練、驗證和預測，但模型完善之后的生產上線流程，就變得五花八門了。針對這種情況Google提供了TensorFlow Servering，可以將訓練好的模型直接上線并...

Harpsichord1207 2019-06-18 11:17 評論0 收藏0
喜大普奔！TensorFlow終于支持A卡了

摘要：工資不漲，英偉達的售價年年漲。近日，宣布推出適用于的，其中包括。對于正在進行的深度學習加速工作而言，這是一座重大的里程碑。而實現則使用了，這是一個適用于深度學習的高度優化例程庫。目前已發布安裝說明及預構建的映像。工資不漲，英偉達 GPU 的售價年年漲。因此，多一個競爭對手，總是好事。近日，Google 宣布推出適用于 ROCm GPU 的 TensorFlow v1.8，其中包括 Rade...

Cristalven 2019-04-25 18:28 評論0 收藏0
概覽 AI在線服務 UAI Inference

摘要：概覽概覽產品簡介基礎知識產品優勢機制產品架構設計原理彈性擴縮容機制開發綜述服務請求方式開源鏡像開源案例學習視頻產品定價快速上手快速上手案例介紹環境準備在線服務代碼簡介概覽產品簡介UAI-Inference基礎知識產品優勢Hot-Standby機制產品架構設計原理彈性擴縮容機制開發綜述服務請求方式開源Docker鏡像開源案例學習視頻產品定價快速上手快速上手（TF-Mnist案例)MNIST ...

ernest.wang 2022-07-12 16:25 評論0 收藏1403