本文介绍了如何在Linux环境下利用Docker部署TensorFlow的GPU版和Jupyter Notebook。首先确保Docker安装完成，然后拉取tensorflow/tensorflow:2.2.0-gpu-jupyter镜像。通过`docker image ls`和`docker ps`检查镜像和运行的容器。使用`docker stop`命令停止现有容器，并用`-v`和`-p`参数启动新容器，建立主机目录到容器目录的映射，并映射端口。在容器内，通过`docker exec`进入bash环境，若需Jupyter密码，可运行`jupyter notebook list`获取访问信息。
如题，下载安装好Docker环境（别人已做好，此处不说了），因想用GPU和jupyter开发，pull下来的tf环境为tensorflow/tensorflow:2.2.0-gpu-jupyter。
看看机器上的docker 镜像： docker image ls
查看一下，哪个docker 镜像启动了： docker ps
可以发现f99（进程的前三位字母）处于活动状态，可以docker stop f99停止它。
下面启动一个我想用的docker 镜像：
docker run --gpus all -it --rm -p 8880:8888 -v /home/xujinpu/machine_vision:/tf tensorflow/tensorflow:2.2.0-gpu-jupyter
-v hostdir:Containerdir 建立主机目录：容器目录的映射
-p hostPost:Contain
2805
723
1446
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
