使用Docker部署TensorFlow环境

    本部分面向没有Docker经验的读者。对于已熟悉Docker的读者，可直接参考 TensorFlow官方文档 进行部署。

    Docker是轻量级的容器（Container）环境，通过将程序放在虚拟的“容器”或者说“保护层”中运行，既避免了配置各种库、依赖和环境变量的麻烦，又克服了虚拟机资源占用多、启动慢的缺点。使用Docker部署TensorFlow的步骤如下：

    • 安装 。Windows下，下载官方网站的安装包进行安装即可。Linux下建议使用 官方的快速脚本 进行安装，即命令行下输入：

    如果当前的用户非root用户，可以执行 命令将当前用户加入 docker 用户组。重新登录后即可直接运行Docker。

    Linux下通过以下命令启动Docker服务：

    1. sudo service docker start
    • 拉取TensorFlow映像。Docker将应用程序及其依赖打包在映像文件中，通过映像文件生成容器。使用 docker image pull 命令拉取适合自己需求的TensorFlow映像，例如：

    更多映像版本可参考 。

    小技巧

    在国内，推荐使用 DaoCloud的Docker映像镜像 ，将显著提高下载速度。

    • 基于拉取的映像文件，创建并启动TensorFlow容器。使用 docker container run 命令创建一个新的TensorFlow容器并启动。

      提示

      docker container run 命令的部分选项如下：

      • 让docker运行的容器能够在终端进行交互，具体而言：

      • ：当容器中的进程运行完毕后自动删除容器。

      • bash 在容器中运行的命令（进程）。Bash是大多数Linux系统的默认Shell。

      若需在TensorFlow Docker容器中开启GPU支持，需要具有一块NVIDIA显卡并已正确安装驱动程序（详见 ）。同时需要安装 nvidia-docker 。依照官方文档中的quickstart部分逐行输入命令即可。

      警告

      当前nvidia-docker仅支持Linux。

      安装完毕后，在 docker container run 命令中添加 —runtime=nvidia 选项，并基于具有GPU支持的TensorFlow Docker映像启动容器即可，即：

      Docker常用命令

      映像（image）相关操作：

      1. docker image pull [image_name]  # 从仓库中拉取映像[image_name]到本机
      2. docker image ls                 # 列出所有本地映像
      3. docker image rm [image_name]    # 删除名为[image_name]的本地映像

      容器（container）相关操作：