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：

  1. 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：

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：

sudo service docker start

  1. 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：

docker image pull tensorflow/tensorflow:latest-py3        # 最新稳定版本TensorFlow（Python 3.5，CPU版）
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

可以视网络环境使用 DaoCloud 的 Docker 映像镜像 以提高下载速度。

  1. 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：

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：

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

Docker 常用命令

映像（image）相关操作：

docker image pull [image_name]  # 从仓库中拉取映像[image_name]到本机
docker image ls                 # 列出所有本地映像
docker image rm [image_name]    # 删除名为[image_name]的本地映像

容器（container）相关操作：

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