共计 1378 个字符，预计需要花费 4 分钟才能阅读完成。
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/
