Docker

Docker 使用容器创建虚拟环境，将 TensorFlow 安装与系统其余部分隔离开来。TensorFlow 程序在此虚拟环境中运行，该环境可以与宿主机共享资源（访问目录、使用 GPU、连接互联网等）。TensorFlow Docker 镜像已针对每个版本进行了测试。

Docker 是在 Linux 上启用 TensorFlow GPU 支持的最简单方法，因为只需在宿主机上安装 NVIDIA® GPU 驱动程序（无需安装 NVIDIA® CUDA® Toolkit）。

TensorFlow Docker 要求

1. 在本地宿主机上安装 Docker。
2. 若要在 Linux 上获得 GPU 支持，请安装 NVIDIA Docker 支持。
   • 请使用 docker -v 查看您的 Docker 版本。低于 19.03 的版本需要 nvidia-docker2 和 --runtime=nvidia 标志。在 19.03 及更高版本中，您将使用 nvidia-container-toolkit 软件包和 --gpus all 标志。以上两种方式的文档均可在上述链接页面中找到。

下载 TensorFlow Docker 镜像

官方 TensorFlow Docker 镜像位于 tensorflow/tensorflow Docker Hub 仓库中。镜像版本使用以下格式进行标记：

每个基础标签都有添加或更改功能的变体

您可以同时使用多个变体。例如，以下命令会将 TensorFlow 发布镜像下载到您的机器上

docker pull tensorflow/tensorflow                     # latest stable release
docker pull tensorflow/tensorflow:devel-gpu           # nightly dev release w/ GPU support
docker pull tensorflow/tensorflow:latest-gpu-jupyter  # latest release w/ GPU support and Jupyter

启动 TensorFlow Docker 容器

要启动配置了 TensorFlow 的容器，请使用以下命令格式

docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

有关详细信息，请参阅 docker run 参考手册。

仅使用 CPU 镜像的示例

让我们使用 latest 标签的镜像验证 TensorFlow 安装。Docker 会在首次运行时下载新的 TensorFlow 镜像

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

让我们演示更多 TensorFlow Docker 用法。在配置了 TensorFlow 的容器内启动一个 bash shell 会话

docker run -it tensorflow/tensorflow bash

在容器内，您可以启动一个 python 会话并导入 TensorFlow。

若要运行在宿主机上开发的 TensorFlow 程序，请挂载主机目录并更改容器的工作目录（-v hostDir:containerDir -w workDir）

docker run -it --rm -v $PWD:/tmp -w /tmp tensorflow/tensorflow python ./script.py

当容器内创建的文件暴露给宿主机时，可能会出现权限问题。通常最好在宿主机系统上编辑文件。

使用 TensorFlow 的每日构建版启动 Jupyter Notebook 服务器

docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-jupyter

按照说明操作，并在您的宿主机浏览器中打开 URL：http://127.0.0.1:8888/?token=...

GPU 支持

Docker 是在 GPU 上运行 TensorFlow 的最简单方法，因为宿主机仅需要 NVIDIA® 驱动程序（无需安装 NVIDIA® CUDA® Toolkit）。

安装 Nvidia Container Toolkit 以向 Docker 添加 NVIDIA® GPU 支持。nvidia-container-runtime 仅适用于 Linux。详情请参阅 nvidia-container-runtime 平台支持 FAQ。

检查 GPU 是否可用

lspci | grep -i nvidia

验证您的 nvidia-docker 安装

docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

使用启用 GPU 的镜像的示例

下载并运行启用 GPU 的 TensorFlow 镜像（可能需要几分钟）

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])))"

设置启用 GPU 的镜像可能需要一些时间。如果需要反复运行基于 GPU 的脚本，可以使用 docker exec 重用容器。

使用最新的 TensorFlow GPU 镜像在容器内启动 bash shell 会话

docker run --gpus all -it tensorflow/tensorflow:latest-gpu bash