基于Docker的TensorFlow机器学习框架搭建和实例源码解读

概述:基于Docker的TensorFlow机器学习框架搭建和实例源码解读,TensorFlow作为最火热的机器学习框架之一,Docker是的容器,可以很好的结合起来,为机器学习或者科研人员提供便捷的机器学习开发环境,探索人工智能的奥秘,容器随开随用方便快捷。源码解析TensorFlow容器创建和示例程序运行,为热爱机器学者降低学习难度。

默认机器已经装好了Docker(Docker安装和使用可以看我另一篇博文:Ubuntu16.04安装Docker1.12+开发实例+hello world+web应用容器)。

基于Docker的TensorFlow机器学习框架搭建和实例源码解读

1.下载TensorFlow镜像

docker pull tensorflow/tensorflow
<span class="hljs-preprocessor">#&#x6216;&#x8005;</span>
<span class="hljs-preprocessor">#sudo docker pull tensorflow/tensorflow</span>

2.创建TensorFlow容器,源码解读

docker run <span class="hljs-subst">--</span>name xiaolei<span class="hljs-attribute">-tensortflow</span> <span class="hljs-attribute">-it</span> <span class="hljs-attribute">-p</span> <span class="hljs-number">8888</span>:<span class="hljs-number">8888</span> <span class="hljs-attribute">-v</span> ~/tensorflow:/notebooks/<span class="hljs-built_in">data</span>  tensorflow/tensorflow
  • 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 ~/tensorflow:/notebooks/data 将本地的~/tensorflow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~/tensorflow)
  • tensorflow/tensorflow为指定的镜像,默认标签为latest(即tensorflow/tensorflow:latest)

基于Docker的TensorFlow机器学习框架搭建和实例源码解读

3.开启TensorFlow容器

3.1.可以直接从命令行中右键打开连接,或者在浏览器中输入localhost:8888,然后将命令行中的token粘贴上去。

基于Docker的TensorFlow机器学习框架搭建和实例源码解读

4.开始TensorFlow编程(Python语言)

4.1.在首页可以 New 一个Python项目

基于Docker的TensorFlow机器学习框架搭建和实例源码解读

4.2.tensorflow示例源码解读

<span class="hljs-built_in">from</span> __future__ import print_function

import tensorflow <span class="hljs-keyword">as</span> tf

<span class="hljs-operator">with</span> tf.Session():
    input1 = tf.<span class="hljs-built_in">constant</span>([<span class="hljs-number">1.0</span>, <span class="hljs-number">1.0</span>, <span class="hljs-number">1.0</span>, <span class="hljs-number">1.0</span>])
    input2 = tf.<span class="hljs-built_in">constant</span>([<span class="hljs-number">2.0</span>, <span class="hljs-number">2.0</span>, <span class="hljs-number">2.0</span>, <span class="hljs-number">2.0</span>])
    output = tf.<span class="hljs-built_in">add</span>(input1, input2)
    <span class="hljs-built_in">result</span> = output.eval()
    print(<span class="hljs-string">"result: "</span>, <span class="hljs-built_in">result</span>)

4.3.运行程序,输出的结果为(运行成功)

<span class="hljs-attribute">result</span>: <span class="hljs-string"> [ 3.  3.  3.  3.]</span>

基于Docker的TensorFlow机器学习框架搭建和实例源码解读

5.其他 linux,TensorFlow,Docker相关操作

5.1.关闭TensorFlow和开启TensorFlow环境

<span class="hljs-preprocessor">#&#x5173;&#x95ED;tensorflow&#x5BB9;&#x5668;</span>
docker stop xiaolei-tensortflow

<span class="hljs-preprocessor">#&#x5F00;&#x542F;TensorFlow&#x5BB9;&#x5668;</span>
docker start xiaolei-tensortflow
<span class="hljs-preprocessor">#&#x6D4F;&#x89C8;&#x5668;&#x4E2D;&#x8F93;&#x5165; http://localhost:8888/</span>

5.2.解决文件的读写权限


ls <span class="hljs-operator">-l</span>

<span class="hljs-built_in">sudo</span> chown -R xiaolei tensorflow/

<span class="hljs-built_in">sudo</span> chgrp -R xiaolei tensorflow/

Original: https://www.cnblogs.com/lanzhi/p/6467641.html
Author: 岚之山
Title: 基于Docker的TensorFlow机器学习框架搭建和实例源码解读

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/9574/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部
最近整理资源【免费获取】:   👉 程序员最新必读书单  | 👏 互联网各方向面试题下载 | ✌️计算机核心资源汇总