linux tensorflow例子,基于Docker的TensorFlow机器学习框架搭建和实例源码解读

概述：基于Docker的TensorFlow机器学习框架搭建和实例源码解读，TensorFlow作为最火热的机器学习框架之一，Docker是的容器，可以很好的结合起来，为机器学习或者科研人员提供便捷的机器学习开发环境，探索人工智能的奥秘，容器随开随用方便快捷。源码解析TensorFlow容器创建和示例程序运行，为热爱机器学者降低学习难度。

1.下载TensorFlow镜像

docker pull tensorflow/tensorflow

#或者

#sudo docker pull tensorflow/tensorflow

2.创建TensorFlow容器，源码解读

docker run --name xiaolei-tensortflow -it -p 8888:8888 -v ~/tensorflow:/notebooks/data tensorflow/tensorflow

docker run 运行镜像，

--name 为容器创建别名，

-it 保留命令行运行，

-p 8888:8888 将本地的8888端口 http://localhost:8888/ 映射，

-v ~/tensorflow:/notebooks/data 将本地的~/tensorflow文件夹挂载到新建容器的/notebooks/data下(这样创建的文件可以保存到本地~/tensorflow)

tensorflow/tensorflow 为指定的镜像，默认标签为latest(即tensorflow/tensorflow:latest)

3.开启TensorFlow容器

3.1.可以直接从命令行中右键打开连接，或者在浏览器中输入localhost:8888，然后将命令行中的token粘贴上去。

4.开始TensorFlow编程(Python语言)

4.1.在首页可以 New 一个Python项目

4.2.tensorflow示例源码解读

from __future__ import print_function

#导入tensorflow

import tensorflow as tf

#输入两个数组，input1和input2然后相加，输出结果

with tf.Session():

input1 = tf.constant([1.0, 1.0, 1.0, 1.0])

input2 = tf.constant([2.0, 2.0, 2.0, 2.0])

output = tf.add(input1, input2)

result = output.eval()

print("result: ", result)

4.3.运行程序，输出的结果为(运行成功)

result: [ 3. 3. 3. 3.]

5.其他 linux,TensorFlow,Docker相关操作

5.1.关闭TensorFlow和开启TensorFlow环境

#关闭tensorflow容器

docker stop xiaolei-tensortflow

#开启TensorFlow容器

docker start xiaolei-tensortflow

#浏览器中输入 http://localhost:8888/

5.2.解决文件的读写权限

#查看读写权限

ls -l

#将tensorflow 变为属于xiaolei(系统默认)用户

sudo chown -R xiaolei tensorflow/

#将tensorflow 变为属于xiaolei(系统默认)用户组

sudo chgrp -R xiaolei tensorflow/

更多Docker相关教程见以下内容：

Docker 的详细介绍：请点这里

Docker 的下载地址：请点这里