用Docker搭建TensorFlow环境

TensorFlow中文安装手册 http://www.tensorfly.cn/tfdoc/get_started/os_setup.html

用Docker安装有先天的优势，快速干净，少了安装依赖库带来的麻烦。

1.在服务器上安装Docker，

见 https://www.nongtianlang.com/post/installdocker/

2.TensorFlow安装命令

1

docker run --name tf -dit -v /opt/docker/tf/data:/notebooks/ -p 8888:8888 -p 6006:6006 tensorflow/tensorflow

1分钟内就可以玩成上面的脚本，因为我们使用了aliyun的镜像。

“–name tf"容器的名字为"tf”

“-dit"可以保证容器在后台运行

“-v /opt/docker/tf/data:/notebooks/“把工作空间映射到宿主机上

“-p 8888:8888"把Jupyter Notebook用到的端口映射到宿主机上

“-p 6006:6006"把TensorBoard用到的端口映射到宿主机上

“tensorflow/tensorflow"使用的镜像名

3.测试安装结果

执行完上面的安装命令后，可以用

1

docker logs tf 

来查看容器运行日志 现在可以通过浏览器来访问Jupyter Notebook，如果你的主服务器ip为a，可以输入

http://a:8888/?token=45abe5...

token在日志中可以看到。

浏览器可打开类似下面的画面。 可以添加notebook、terminal等等，表示已安装成功

4.用TensorBoard显示数据流图

添加一个python2的notebook,并输入如下代码，并用Shift+Enter运行代码，输出23

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import tensorflow as tf

a = tf.constant(5, name='input_a')
b = tf.constant(3, name='input_b')
c = tf.multiply(a, b, name='mul_c')
d = tf.add(a, b, name='add_d')
e = tf.add(c, d, name='add_e')

sess = tf.Session()
tf.summary.FileWriter('/notebooks/graph/shujuliutu',sess.graph)
sess.run(e)

上面的代码已经将graph的数据保存到了/notebooks/graph/shujuliutu目录下。

接下来我们新建一个terminal：

打开bash

bash

运行TensorBoard

tensorboard --logdir="/notebooks/graph/shujuliutu"

tensorboard的端口为6006已映射到了宿主机上，可以通过http://a:6006/ 来访问。

请不要为警告消息"No scalar data was found"紧张，这仅仅表示我们尚未为Tensor-Board保存任何概括统计量，从而使其无法正常显示。通常，这个页面会显示利用tf.summary.FileWriter对象要求TensorFlow所保存的信息。由于尚未保存任何其他统计量，所以无内容可供显示。尽管如此，这并不妨碍我们欣赏自己定义的美丽的数据流图。单击页面顶部的"Graph"链接，将看到类似下图的页面：

小伙伴继续你的TensorFlow之旅吧…