Я начинаю узнавать, как использовать TensorFlow для машинного обучения. И выяснилось, что докер довольно удобно развернуть TensorFlow на моей машине. Однако пример, который мне удалось найти, не сработал с моей целевой настройкой. Который
В ubuntu16.04 os, используя nvidia-docker для совместного размещения jupyter и tenorboard-сервиса (может быть два контейнера или один контейнер с двумя сервисами). И файлы, созданные из jupyter, должны быть видимы для ОС хоста.
- Ubuntu 16.04
- Dokcer
- nvidia-docker
- Jupyter
- Тензорборд
Контейнер Jupyter
nvidia-docker run \
--name jupyter \
-d \
-v $(pwd)/notebooks:/root/notebooks \
-v $(pwd)/logs:/root/logs \
-e "PASSWORD=*****" \
-p 8888:8888 \
tensorflow/tensorflow:latest-gpu
Тенсорборд контейнер
nvidia-docker run \
--name tensorboard \
-d \
-v $(pwd)/logs:/root/logs \
-p 6006:6006 \
tensorflow/tensorflow:latest-gpu \
tensorboard --logdir /root/logs
Я попытался подключить папку журналов к обоим контейнерам и позволить Tensorboard получить доступ к результату jupyter. Но крепление, похоже, сработало. Когда я создаю новый файл в контейнере jupyter с папкой ноутбуков, папка хоста $ (pwd) / notebooks просто ничего не отображается.
Я также выполнил инструкции в Nvidia Docker, Блокнот Jupyter и графический процессор Tensorflow
nvidia-docker run -d -e PASSWORD='winrar' -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3
Работал только Jupyter, тензорборд не мог достучаться с порта 6006.