TF 2.0 is out! Get hands-on practice at TF World, Oct 28-31. Use code TF20 for 20% off select passes. Register now

Docker

Docker 使用容器创建虚拟环境,以便将 TensorFlow 安装与系统的其余部分隔离开来。TensorFlow 程序在此虚拟环境中运行,该环境能够与其主机共享资源(访问目录、使用 GPU、连接到互联网等)。系统会针对每个版本测试 TensorFlow Docker 映像

Docker 是在 Linux 上启用 TensorFlow GPU 支持的最简单方法,因为只需在主机上安装 NVIDIA® GPU 驱动程序(无需安装 NVIDIA® CUDA® 工具包)。

TensorFlow Docker 要求

  1. 在本地主机上安装 Docker
  2. 要在 Linux 上启用 GPU 支持,请安装 nvidia-docker

下载 TensorFlow Docker 映像

官方 TensorFlow Docker 映像位于 tensorflow/tensorflow Docker Hub 代码库中。映像版本按照以下格式进行标记

标记 说明
latest TensorFlow CPU 二进制映像的最新版本。默认。
nightly TensorFlow 映像的每夜版。(不稳定)
version 指定 TensorFlow 二进制映像的版本,例如:1.13.1
devel TensorFlow master 开发环境的每夜版。包含 TensorFlow 源代码。

每个基本标记都有用于添加或更改功能的变体:

标记变体 说明
tag-gpu 支持 GPU 的指定标记版本。参见下文
tag-py3 支持 Python 3 的指定标记版本。
tag-jupyter 带有 Jupyter 的指定标记版本(包含 TensorFlow 教程笔记本)

您可以一次使用多个变体。例如,以下命令会将 TensorFlow 版本映像下载到计算机上:

    docker pull tensorflow/tensorflow                     # latest stable release
    docker pull tensorflow/tensorflow:devel-gpu           # nightly dev release w/ GPU support
    docker pull tensorflow/tensorflow:latest-gpu-jupyter  # latest release w/ GPU support and Jupyter
    

启动 TensorFlow Docker 容器

要启动配置 TensorFlow 的容器,请使用以下命令格式:

    docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
    

有关详情,请参阅 docker 运行参考文档

使用仅支持 CPU 的映像的示例

我们使用带 latest 标记的映像验证 TensorFlow 安装。Docker 会在首次运行时下载新的 TensorFlow 映像:

    docker run -it --rm tensorflow/tensorflow \
       python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
    

我们来演示更多 TensorFlow Docker 方案。在配置 TensorFlow 的容器中启动 bash shell 会话:

    docker run -it tensorflow/tensorflow bash
    

在此容器中,您可以启动 python 会话并导入 TensorFlow。

要在容器内运行在主机上开发的 TensorFlow 程序,请装载主机目录并更改容器的工作目录 (-v hostDir:containerDir -w workDir):

    docker run -it --rm -v $PWD:/tmp -w /tmp tensorflow/tensorflow python ./script.py
    

向主机公开在容器中创建的文件时,可能会出现权限问题。通常情况下,最好修改主机系统上的文件。

使用支持 Python 3 的每夜版 TensorFlow 启动 Jupyter 笔记本服务器:

    docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-py3-jupyter
    

按照说明在主机网络浏览器中打开以下网址:http://127.0.0.1:8888/?token=...

GPU 支持

Docker 是在 GPU 上运行 TensorFlow 的最简单方法,因为主机只需安装 NVIDIA® 驱动程序(无需安装 NVIDIA® CUDA® 工具包)。

安装 nvidia-docker 可启动支持 NVIDIA® GPU 的 Docker 容器。nvidia-docker 仅适用于 Linux,详情请参阅对应的平台支持常见问题解答

检查 GPU 是否可用:

    lspci | grep -i nvidia
    

验证 nvidia-docker 安装:

    docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
    

使用支持 GPU 的映像的示例

下载并运行支持 GPU 的 TensorFlow 映像(可能需要几分钟的时间):

    docker run --runtime=nvidia -it --rm tensorflow/tensorflow:latest-gpu \
       python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
    

设置支持 GPU 的映像可能需要一段时间。如果重复运行基于 GPU 的脚本,您可以使用 docker exec 重用容器。

使用最新的 TensorFlow GPU 映像在容器中启动 bash shell 会话:

    docker run --runtime=nvidia -it tensorflow/tensorflow:latest-gpu bash