【TensorFlow 2 gpu 安装】步骤3 -抽取Tensfolow Docker 镜像

点这里查看步骤2

运行&安装TensorFlow镜像

来源：https://tensorflow.google.cn/install/docker#gpu_support
-GPU支持

检查 GPU 是否可用：

lspci | grep -i nvidia

验证 nvidia-docker 安装效果：

docker run --gpus all --rm nvidia/cuda nvidia-smi

下载运行支持 GPU 的TensorFlow映像：

docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
   python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

运行结果：

红线处，device:GPU:0 第1个GPU来运行的，后面有GPU的信息
最后一行显示运算结果。

至此，安装完成！

---

运行.py程序

创建一个Python程序，“Tensorflow.py”，代码：

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

tf.debugging.set_log_device_placement(True)
 
# Create some tensors
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)
 
print(c)

tf.config.experimental.list_physical_devices(‘GPU’) 可以确认 TensorFlow 使用的是 GPU。

在同目录下创建一个文件，“Dockerfile”，输入以下内容：

FROM tensorflow/tensorflow:latest-gpu

# Set the working directory to /app
WORKDIR /app

# Copy the current directory contents into the container at /app
COPY . /app

# Run app.py when the container launches
CMD ["python3", "/app/TensorFlow.py"]

定位到 “Dockerfile” 目录下
创建镜像，“mytensorflow”，名称要用小写！

docker build -t mytensorflow .

运行结果：

运行容器

docker run --runtime=nvidia --rm mytensorflow

运行结果：
第一条红线，显示GPU信息
第二条红线，显示张量计算在GPU上运行
之后有显示的结果

更多使用GPU信息，点这里：https://tensorflow.google.cn/guide/gpu?hl=zh-cn

至此完成.py文件，利用 TensorFlow-gpu 在终端中的运行

---

绑定安装 bind mount

每次运行. py 文件，都要将文件考入 WORKDIR /app 中：

而将主机中的文件/文件夹绑定入一个容器中，就可以省拷贝的步骤。

方法：

1. 删除 Dockerfile 文件中的 “COPY . /app” 命令。因为要绑定本地文件夹，而非复制过去。
2. 修改 TensorFlow.py 文件
3. 打开终端，运行定位到 TensorFlow.py 文件的文件夹，运行下面命令，即可

docker run --runtime=nvidia -v $(pwd):/app --rm mytensorflow

参考：https://josehoras.github.io/tensorflow-with-gpu-using-docker-and-pycharm/ （科学）