TensorFlow（1）：使用Docker鏡像搭建TensorFlow環境

1，關于TensorFlow

TensorFlow 随着AlphaGo的勝利也火了起來。

google又一次成為大家膜拜的大神了。google大神在引導這機器學習的方向。

同時docker 也是一個非常好的工具，大大的友善了開發環境的建構，之前需要配置安裝。

看各種文檔，現在隻要一個 pull 一個 run 就可以把環境弄好了。

同時如果有寫地方需要個性化定制，直接在docker的鏡像上面再加一層更新檔就好了。

自己的需求就能滿足了，同時還可以将這個通用的方法分享出去。

2，下載下傳TensorFlow images

使用hub.docker.com的鏡像

docker pull tensorflow/tensorflow:latest

使用daocloud 的鏡像，在國内用速度還是挺快的，如果docker.io的鏡像慢，可以用daocloud的。

這個速度非常的快。一樣用的。版本也挺新的。

docker pull daocloud.io/daocloud/tensorflow:latest

3，啟動鏡像

啟動指令，設定端口，同時配置volume 資料卷，用于永久儲存資料。加上 –rm 在停止的時候删除鏡像。

sudo mkdir -p /data/tensorflow/notebooks
docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p 8888:8888 daocloud.io/daocloud/tensorflow:latest

啟動的時候并不是daemon 模式的，而是前台模式，同時顯示了運作的日志。

W 06:48:13.425 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended. [I 06:48:13.432 NotebookApp] Serving notebooks from local directory: /notebooks [I 06:48:13.432 NotebookApp] 0 active kernels [I 06:48:13.432 NotebookApp] The Jupyter Notebook is running at: http://[all ip addresses on your system]:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642 [I 06:48:13.433 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation). [C 06:48:13.433 NotebookApp] Copy/paste this URL into your browser when you connect for the first time, to login with a token: http://localhost:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642

打開浏覽器就可以直接看到界面了。

同時可以編輯内容：

寫第一個 hello world：

import tensorflow as tf
a = tf.constant(10)
b = tf.constant(32)

with tf.Session():
    c = tf.add(a,b)
    print(c)
    print(c.eval（))

其他的使用參考中文手冊：

裡面有pdf 可以下載下傳使用。

還有一個超級炫酷吊炸天的playground ：

5，打個更新檔

vi run_jupyter.sh

#!/usr/bin/env bash
jupyter notebook --no-browser --NotebookApp.token='token1234' > /notebooks/jupyter-notebook.log

然後重新打一個docker鏡像。

vi Dockerfile

FROM daocloud.io/daocloud/tensorflow:latest
RUN rm -f /run_jupyter.sh
COPY run_jupyter.sh /run_jupyter.sh
ENTRYPOINT ["/run_jupyter.sh"]

這樣就固定token了。

docker build -t mytf:1.0 .
docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p 8888:8888 -d mytf:1.0

然後就可以 -d 參數，将docker 運作放到背景。然後就可以使用 docker exec -it xxx bash 登入進去檢視系統的狀況了。

4，總結

docker 真的是非常好的技術，能夠快速的搭建好環境，省去了繁瑣的安裝配置過程。

最後使用參數将環境跑起來，同時也可以根據自己的需求，給鏡像增加新的功能，就像是蓋房子。

一層一層的蓋。所有的層，構成了一個整體的房子。

同時對于 TensorFlow 來說是一個程式員必須的技能了。就像是 lucence一樣，其實大家都不太了解那個索引算法的。

但是還是可以建立出一個索引分詞來。

TensorFlow 也是一樣的。當做一個工具來使用就好了，具體的算法也不太精通。

TensorFlow（1）：使用Docker鏡像搭建TensorFlow環境