这次选择安装官方推荐的含tensorflow的docker镜像
具体请参考官方 tensorflow的docker教程
安装含tensorflow的docker镜像
下载拷贝docker,我下的是降版本的1.15.4,不备注版本则默认下载最新版本tensorflow
- docker run --gpus all -it tensorflow/tensorflow:1.14.0-gpu bash
tensorflow/tensorflow:1.15.4-gpu-jupyter
还需要安装一个GPU支持的NVIDIA DOCKER支持,这里暂空
下载这个docker镜像比较慢,耐心等待吧
进入服务器中搭好的docker
- sudo docker run -it --rm -v $(realpath /home/test):/tf/notebooks -p 8888:8888 tensorflow/tensorflow:1.15.4-gpu-jupyter
其中/home/test
表示你想要映射的当地文件所在的位置,8888开放端口访问jupyter
本机打开服务器端jupyter
因为服务器端没有图形界面,不是特别方便查看,所以可以选择在本机打开
- 访问地址:服务器主机IP:8888/?token=balabala
docker中下载python库
在服务器上新建一个SSH连接,查看当前运行的docker的container id
- 查看命令:docker ps
进入当前运行的容器
- docker exec -it container-id /bin/bash
接着就可以pip下载了,如果下载速度过慢,建议采用国内镜像
- pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 你需要的库
提交修改的镜像
当你修改了镜像,比如我们前面在镜像中下载了一些缺失的python库的时候,需要再次提交已经修改的镜像,不然当你下一次进入这个容器的时候,之前所做的修改将不会被保存
- docker commit 容器id 镜像名:tag名
退出容器
- docker stop container-id
也可以用kill命令强制关闭,但是使用stop命令更加优雅一点,能够让容器把手头的事做完