Docker 中快速安装tensorflow环境

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tensorflowimport 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/