用docker配置tensorflow1.12.0的开发环境

---

前言

TensorFlow 1.x仍然是一个成熟的深度学习框架，拥有广泛的应用和强大的社区支持。虽然TensorFlow 2.0已经发布，但很多用户对于其新特性还不熟悉，仍在使用老版本来完成自己的项目。此外，一些旧代码可能仅适用于TensorFlow 1.x版本，因此仍需要维护和更新。总之，TensorFlow 1.x仍然是一个重要的深度学习工具，在未来一段时间内将继续得到广泛的使用。

作为AI语言库的代表，TensorFlow是人工智能领域的重要工具之一，其使用方式比较复杂，安装时也可能会遇到各种问题。以下是一些可能遇到的困难及解决方法：

1. 安装环境不兼容：TensorFlow需要特定版本的Python和相关依赖库，如果你没有正确安装这些组件，那么TensorFlow将无法正常工作。解决方法是确保你的Python版本在2.7.x或3.4+之间，并且安装了必要的依赖库。
2. 缺失依赖库：除了Python以外，TensorFlow还需要许多其他库来运行。如果你缺少其中任何一个库，TensorFlow都无法正常工作。解决方法是安装所需的所有依赖库，并确保它们都被正确地配置。
3. 安装失败：如果TensorFlow安装过程中出现错误，你需要仔细检查日志以找到问题所在。通常情况下，你可以通过重新运行安装程序来解决此问题。在重新运行安装程序之前，请确保删除之前安装的任何TensorFlow文件。
4. 版本不匹配：如果你正在使用旧版本的TensorFlow，但尝试使用新代码，则可能会出现版本不匹配的问题。确保你正在使用与你的代码兼容的最新版本的TensorFlow。

因此，我们尝试用docker封装tensorflow1。

配置方法和问题

方法一，直接下载tensorflow/tensorflow镜像

docker pull tensorflow/tensorflow:1.15.5-gpu-py3 

• 这个镜像是dockerhub上的，可以在Dockerfile构建时使用pip安装python库，但是使用apt安装时会报错，原因不明。
• 可以docker exec -it bash运行，也可以用pycharm构建docker解释器运行。
• 如果要和tensorlayer共用，要特别注意版本匹配问题
• opencv版本高了容易报找不到库的错，装3.4.8.29版本没有问题。

Dockerfile

# 针对srgan项目
FROM tensorflow/tensorflow:1.15.5-gpu-py3
LABEL author=xxx \
        version=0 \
        description='xxx'
RUN pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple \
  && pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple \
  && pip install easydict -i https://pypi.tuna.tsinghua.edu.cn/simple
RUN pip install tensorlayer==1.11.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
RUN pip install opencv-contrib-python==3.4.8.29 -i https://pypi.tuna.tsinghua.edu.cn/simple \
    && pip install opencv-contrib-python-headless==3.4.8.29 -i https://pypi.tuna.tsinghua.edu.cn/simple \
    && pip install opencv-python==3.4.8.29 -i https://pypi.tuna.tsinghua.edu.cn/simple
#opencv版本高了容易报找不到库的错，但是以下两个解决方法不能用
#RUN apt update && apt install -qqy libgl1
#RUN apt install -qqy libglib2.0-dev

方法二(推荐)，用nvidia/cuda镜像从头安装

特别注意，cuda版本不能太高

1. 拉取原始镜像
2. 通过Dockerfile构建
3. conda安装python3.6虚拟环境，conda create -n xxx python=3.6
4. 激活虚拟环境，conda activate xxx
5. pip安装

# 版本特别重要
pip install tensorflow-gpu==1.12.0
pip install tensorlayer==1.11.1
pip install opencv-python==3.4.8.29

注意

1. python版本不能高
2. cuda版本就选9.0，9.1都报错，提示就找9.0的库
3. 注意降低numpy的版本，使tensorflow和tensorlayer都适用。
4. 曾经试过tensorflow1.12.3，运行时有较长的时间卡住，改为1.12.0问题解决。

docker pull nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04  

Dockerfile

FROM nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04
LABEL author=xxx \
        version=0 \
        description='xxx'

# #  change resource 换清华源
RUN sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list && \
    sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list       
    
# apt install
RUN apt-get clean && apt-get update --fix-missing && apt-get upgrade -y 

RUN apt install -y  wget curl openssh-server  vim g++ zip sudo git net-tools iputils-ping \
    && apt-get autoclean  \
    && apt-get autoremove

# ssh
# 修改ssh配置文件，文件位置/etc/ssh/sshd_config，添加允许所有主机连接，
RUN mkdir -p /var/run/sshd \
        && sed -i '1iPermitRootLogin yes' /etc/ssh/sshd_config
# 开放22端口
EXPOSE 22
CMD ["/usr/sbin/sshd","-D"]

# 设置root密码
RUN echo "root:0"|chpasswd

# 安装miniconda
RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O conda.sh \
    && /bin/bash conda.sh -b -p /opt/conda \
    && rm conda.sh
    # && /opt/conda/bin/conda clean -tipsy

# root config
RUN mkdir ~/.pip \
&& echo '[global]\n\
index-url=https://pypi.tuna.tsinghua.edu.cn/simple\n\
[install]\n\
trusted-host=pypi.tuna.tsinghua.edu.cn\n'>>~/.pip/pip.conf

RUN echo '\n\
__conda_setup="$('/opt/conda/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"\n\
if [ $? -eq 0 ]; then\n\
    eval "$__conda_setup"\n\
else\n\
    if [ -f "/opt/conda/etc/profile.d/conda.sh" ]; then\n\
        . "/opt/conda/etc/profile.d/conda.sh"\n\
    else\n\
        export PATH="/opt/conda/bin:$PATH"\n\
    fi\n\
fi\n\
unset __conda_setup\n'\
 >> ~/.bashrc 
# 配置cuda环境变量
RUN echo '\n\
export PATH=/usr/local/cuda/bin:$PATH\n\
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH\n'>> ~/.bashrc