Docker部署tensorflow-gpu-jupyterlab

1. 下载docker镜像

---

docker pull tensorflow/tensorflow:latest-gpu-jupyter

下载完成后查看docker images

2. 创建容器

nvidia-docker run -d \
-v /home/work/heyile:/tf/lab \
-p 8880:8888 \
–name hyllab \
tensorflow/tensorflow:latest-gpu-jupyter

创建后通过docker ps查看容器进程:

通过docker logs hyllab查看启动日志

3. 安装集成jupyterlab

因为这个镜像都是默认启动jupyter notebook，而jupyter lab比较好看，我们把jupyter lab也集成进来：

docker exec -it hyllab bash

pip install jupyterlab下载完成后退出。

容器默认是启动jupyter notebook的，我们通过修改容器的配置文件修改启动命令。

docker ps记下containerid

如图：containerid :bc05d4cfd3f6

docker stop hyllab停止容器。

切换目录到docker程序目录下的以containerid开头的目录，如下：

cd /var/lib/docker/containers/bc05d4cfd3f6895bc9ac3bf1d194a8de127634887d8f994a5de809a56caad422

vi config.v2.json 如下图，将2个位置的jupyter notebook启动命令改成jupyter lab，下图是已经修改完成的。

然后，重启docker服务systemctl restart docker，然后启动tensorflow容器，比如docker start hyllab

查看日志可以看到已经启动jupyter lab服务。

docker logs hyllab

通过登录jupyter lab地址http://127.0.0.1:8888/?token=874de4249fcb11143ca2e0db722a146e758b014243f4ee05可以登录成功

4. 检验docker可以调用GPU

docker exec -it hyllab bash进如容器内，执行nvidia-smi查看gpu列表

通过jupyter lab执行代码可以查看GPU