Docker 中快速安装tensorflow环境

BlackFlagBin 发布于2019-06-28 16:43 / 2003人阅读

摘要：中快速安装环境，并使用。我们可以通过下面的命令在新的命令窗口看正在执行的容器，及容器所对应的映射端口三开启容器可以直接从命令行中右键打开连接，或者在浏览器中输入，然后将命令行中的粘贴上去。

Docker 中快速安装tensorflow环境，并使用TensorFlow。

一、下载TensorFlow镜像

docker pull tensorflow/tensorflow

二、创建TensorFlow容器

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

命令说明

docker run 运行镜像，

--name 为容器创建别名，

-it 保留命令行运行，

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

-v /Users/kaiyiwang/Code/ai/notebooks:/notebooks/data 将本地的/Users/kaiyiwang/Code/ai/notebooks文件夹挂载到新建容器的/notebooks/data下（这样创建的文件可以保存到本地/Users/kaiyiwang/Code/ai/notebooks）

tensorflow/tensorflow 为指定的镜像，默认标签为latest（即tensorflow/tensorflow:latest）

执行上边的命令：

我们可以看到，创建了TensorFlow容器，并给了一个默认登录JupiterNotebook的页面。

我们可以通过下面的命令在新的命令窗口看正在执行的容器，及容器所对应的映射端口

docker ps

三、开启TensorFlow容器

1.可以直接从命令行中右键打开连接，或者在浏览器中输入http://127.0.0.1:8888，然后将命令行中的token粘贴上去。

四、开始TensorFlow编程

1、点击登录进去可以看到界面了，并且可以new一个项目

2、tensorflow示例源码解读

from __future__ import print_function
#导入tensorflow
import tensorflow as tf
#输入两个数组，input1和input2然后相加，输出结果
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、运行程序，输出的结果为（运行成功）

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

五、相关命令 1、关闭或开启TensorFlow环境

#关闭tensorflow容器
docker stop corwien-tensortflow

#开启TensorFlow容器
docker start corwien-tensortflow
#浏览器中输入 http://localhost:8888/

2、文件的读写权限修改

#查看读写权限
ls -l
#将tensorflow 变为属于corwien（系统默认）用户
sudo chown -R corwien tensorflow/
#将tensorflow 变为属于corwien（系统默认）用户组
sudo chgrp -R corwien tensorflow/

服务器托管云服务器 docker tensorflow 安装tensorflow tensorflow安装怎么安装tensorflow

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/27501.html

基于 Docker 搭建 TensorFlow 开发环境

摘要：它是目前最流行的容器解决方案。提供一次性的环境。端驻守在后台，称之为。入门指南简介是一个使用数据流图进行数值计算的开放源代码软件库。学习资料官网中文社区官方文档中文版极客学院什么是数据流图数据流图用结点和线的有向图来描述数学计算。转载需经本人同意且标注本文原始地址：https://zhaomenghuan.github.i... 前言第一次听到 Docker 这个词，是两年前找实...

tianhang 2019-06-28 16:27 评论0 收藏0
TensorFlow Serving入门

摘要：针对这种情况提供了，可以将训练好的模型直接上线并提供服务。在年的开发者上便提出了。在实际的生产环境中比较广泛使用的通信手段是基于的，幸运的是从以后，也正式支持通信方式了。前言大家习惯使用TensorFlow进行模型的训练、验证和预测，但模型完善之后的生产上线流程，就变得五花八门了。针对这种情况Google提供了TensorFlow Servering，可以将训练好的模型直接上线并...

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

摘要：工资不涨，英伟达的售价年年涨。近日，宣布推出适用于的，其中包括。对于正在进行的深度学习加速工作而言，这是一座重大的里程碑。而实现则使用了，这是一个适用于深度学习的高度优化例程库。目前已发布安装说明及预构建的映像。工资不涨，英伟达 GPU 的售价年年涨。因此，多一个竞争对手，总是好事。近日，Google 宣布推出适用于 ROCm GPU 的 TensorFlow v1.8，其中包括 Rade...

Cristalven 2019-04-25 18:28 评论0 收藏0
概览 AI在线服务 UAI Inference

摘要：概览概览产品简介基础知识产品优势机制产品架构设计原理弹性扩缩容机制开发综述服务请求方式开源镜像开源案例学习视频产品定价快速上手快速上手案例介绍环境准备在线服务代码简介概览产品简介UAI-Inference基础知识产品优势Hot-Standby机制产品架构设计原理弹性扩缩容机制开发综述服务请求方式开源Docker镜像开源案例学习视频产品定价快速上手快速上手（TF-Mnist案例)MNIST ...

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