首先,拉取 TensorFlow的Docker镜像:
docker pull tensorflow/tensorflow
创建TensorFlow的容器,并且要启用8888端口:
docker run --name tf01 -d -p 8888:8888 -p 6006:6006 tensorflow/tensorflow
# 2019年4月12日更新:新的版本改用新的命令
docker run -d --name tf01 --rm -v /root/tf01/notebooks:/tf/notebooks -p 8888:8888 tensorflow/tensorflow:latest-py3-jupyter
# 2021年7月19日更新,使用 1.15.2 python3 的版本
docker run -d --name tf01 -v /root/docker/tf01/notebooks:/tf/notebooks -p 8888:8888 -p 6006:6006 tensorflow/tensorflow:1.15.2-py3-jupyter
确保你的服务器的 8888 端口可以在外部访问。假设你的服务器的IP是 192.168.1.1 那么你访问 http://192.168.1.1:8888
可以看到下面的页面:
我们需要进入TensorFlow容器中,取得token,以便登录。
docker exec -it tf01 bash
进入容器后,执行命令 jupyter notebook list
得到一个链接地址,比如像下面这样:
http://localhost:8888/?token=84f79011f319994673985cb8d8cf08160108e93c3b16ebb0 :: /notebooks
复制 token的值 84f79011f319994673985cb8d8cf08160108e93c3b16ebb0 ,粘贴到上图中的 password or token 文本框中,点击login按钮。可以看到下面的页面:
这是一个在线版的Python编辑器。其中
1_hello_tensorflow.ipynb
2_getting_started.ipynb
3_mnist_from_scratch.ipynb
这三个文件是tensorflow 的三个教程。
你也可以点击右上角的 New -> Python 2 来新建python 源代码文件来做练习。
2021年7月19日更新:
有时候您可能需要安装 pandas
# 进入docker容器
docker exec -it tf01 bash
# 安装 pandas 包
pip install pandas
# 安装 sklearn
pip install sklearn -i https://pypi.doubanio.com/simple
2023年5月11日更新
有些时候您可能需要安装 opencv
python -m pip install --upgrade pip
pip install opencv-python --verbose
pip install opencv-python-headless