使用Docker部署TensorFlow环境

提示

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 Docker 。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：
  1. wget -qO- https://get.docker.com/ | sh

如果当前的用户非root用户，可以执行 sudo usermod -aG docker your-user 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：
  1. docker image pull tensorflow/tensorflow:latest-py3        # 最新稳定版本TensorFlow（Python 3.5，CPU版）
  2. docker image pull tensorflow/tensorflow:latest-gpu-py3    # 最新稳定版本TensorFlow（Python 3.5，GPU版）

更多映像版本可参考 TensorFlow官方文档 。

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。

CPU版本的TensorFlow：

  1. docker container run -it tensorflow/tensorflow:latest-py3 bash

提示

docker container run 命令的部分选项如下：

  • -it 让docker运行的容器能够在终端进行交互，具体而言：

  • -i （ —interactive ）：允许与容器内的标准输入 (STDIN) 进行交互。

  • -t （ —tty ）：在新容器中指定一个伪终端。

  • —rm ：当容器中的进程运行完毕后自动删除容器。

  • tensorflow/tensorflow:latest-py3 ：新容器基于的映像。如果本地不存在指定的映像，会自动从公有仓库下载。

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

GPU版本的TensorFlow：

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 “TensorFlow安装”一章 ）。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：

  1. docker container run -it --runtime=nvidia tensorflow/tensorflow:latest-gpu-py3 bash

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：

  1. docker container run [image_name] [command] # 基于[image_name]映像建立并启动容器，并运行[command]
  2. docker container ls                         # 列出本机正在运行的容器
  3.                                             # （加入--all参数列出所有容器，包括已停止运行的容器）
  4. docker container rm [container_id]          # 删除ID为[container_id]的容器

Docker入门教程可参考 阮一峰的Docker入门教程 和 Docker Cheat Sheet 。