docker gpu 创建 训练环境_从零开始用docker 搭建tensorflow gpu 环境

从零开始用docker 搭建tensorflow gpu 环境

发布时间：2018-05-13 21:56,

浏览次数：1290

, 标签：

docker

tensorflow

gpu

啊…..我真是能被自己蠢死，想用docker搭tensorflow环境，居然搭了一整天….那就把过程记录一下造福大众吧，完完全全从头开始

首先介绍一下我的系统，Ubuntu18.04，原来的是Ubuntu17 ，结果 nvidia-docker 不支持 17，只支持14，16，18

这三个长期支持版本…….

一台全新的Ubuntu18.04，装好nvidia的显卡驱动， 先安装dockers

sudo apt-get install docker.io

不出意外的话这一条命令就能装上了

然后开始安装nvidia-docker

，nvidia-docker是一个基于docker的封装，使得dockers可以使用显卡，要去他们的github网站上下载下载地址

注意这里真的只能Ubuntu16，18，14 可以使用，希望大家注意一下自己的系统

之后就是去拉一个 镜像

docker pull tensorflow/tensorflow:latest

这条命令会自动去docker.io 的官网拉取，由于我们都知道的原因，有很大程度会失败或者很慢

可以换一个地址

docker pull daocloud.io/daocloud/tensorflow:1.4.0-rc1-gpu

这里说一下，daodocker是国内的一个docker镜像提供者，所以下载会快一点

如果一切顺利的话就镜像就拉取下来了

docker images

可以看到目前有那些镜像

之后就是在本地运行自己的镜像了

nvidia-docker run -i -t -p 8888:8888

daocloud.io/daocloud/tensorflow:1.4.0-rc1-gpu /bin/bash

解释一下这条命令的含义，docker run 的意思就是字面意思，-i -t 的意思是进行交换式的工作环境，-p 8888：8888

是将镜像中的端口映射到宿主机，在内部外部都是8888端口，当然也可以修改， /bin/bash 的意思是选择镜像的输出，这里选择的是 输出到bash

不出意外的话现在已经进入镜像中了

如果想用jupyter-notebook 看某个文件的话

jupyter-notebook ./xxx.ipyn

然后用宿主机的浏览器访问本地ip和相应的端口号

讲完了，大家如果在搭建的过程中遇到什么问题欢迎留言~~~~