Docker 中快速安装tensorflow环境的方法步骤_服务器知识

Docker 中快速安装tensorflow环境的方法步骤

2021-03-10 18:28Corwien 服务器知识

这篇文章主要介绍了Docker 中快速安装tensorflow环境的方法步骤，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

docker 中快速安装tensorflow环境，并使用tensorflow。

一、下载tensorflow镜像

1	`docker pull tensorflow/tensorflow`

二、创建tensorflow容器

1	`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：

Docker 中快速安装tensorflow环境的方法步骤

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

1	`docker` `ps`

Docker 中快速安装tensorflow环境的方法步骤

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。

Docker 中快速安装tensorflow环境的方法步骤

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

Docker 中快速安装tensorflow环境的方法步骤

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/