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。TensorFlow 程序在此虚拟环境中运行，该环境可以与主机共享资源（访问目录、使用 GPU、连接到互联网等）。TensorFlow Docker 镜像在每个版本中都经过测试。

Docker 是在 Linux 上启用 TensorFlow GPU 支持的最简单方法，因为主机上只需要安装 NVIDIA® GPU 驱动程序（不需要安装NVIDIA® CUDA® Toolkit）。

TensorFlow Docker 要求

在本地主机上安装 Docker。
要在 Linux 上获得 GPU 支持，请安装 NVIDIA Docker 支持。
- 使用 docker -v 记录您的 Docker 版本。早于 19.03 的版本需要 nvidia-docker2 和 --runtime=nvidia 标志。在包括和之后 19.03 的版本中，您将使用 nvidia-container-toolkit 包和 --gpus all 标志。这两个选项都在上面链接的页面中进行了说明。

下载 TensorFlow Docker 镜像

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

标签	描述
`latest`	TensorFlow CPU 二进制镜像的最新版本。默认值。
`nightly`	TensorFlow 镜像的每日构建版本。（不稳定）
`version`	指定 TensorFlow 二进制镜像的版本，例如：2.8.3

每个基本标签都有添加或更改功能的变体

标签变体	描述
`tag``-gpu`	具有 GPU 支持的指定标签版本。（见下文）
`tag``-jupyter`	具有 Jupyter 的指定标签版本（包括 TensorFlow 教程笔记本）

您可以同时使用多个变体。例如，以下命令将 TensorFlow 版本镜像下载到您的机器

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 TensorFlow 配置的容器，请使用以下命令形式

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

有关详细信息，请参阅docker run 参考。

使用仅 CPU 镜像的示例

让我们使用 latest 标记的镜像验证 TensorFlow 安装。Docker 在第一次运行时会下载新的 TensorFlow 镜像

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

让我们演示一些 TensorFlow Docker 食谱。在 TensorFlow 配置的容器中启动一个 bash shell 会话

docker run -it tensorflow/tensorflow bash

在容器中，您可以启动一个 python 会话并导入 TensorFlow。

要在容器中运行在主机上开发的 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

在容器中创建的文件暴露给主机时，可能会出现权限问题。通常最好在主机系统上编辑文件。

使用 TensorFlow 的每日构建版本启动一个Jupyter Notebook 服务器

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

按照说明操作并在主机 Web 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，因为主机上只需要安装 NVIDIA® 驱动程序（不需要安装NVIDIA® CUDA® Toolkit）。

安装Nvidia Container Toolkit 以将 NVIDIA® GPU 支持添加到 Docker。 nvidia-container-runtime 仅适用于 Linux。有关详细信息，请参阅 nvidia-container-runtime 的平台支持常见问题解答。

检查 GPU 是否可用

lspci | grep -i nvidia

验证您的 nvidia-docker 安装

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

使用支持 GPU 的镜像的示例

下载并运行支持 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])))"

设置支持 GPU 的镜像可能需要一段时间。如果反复运行基于 GPU 的脚本，可以使用 docker exec 重用容器。

使用最新的 TensorFlow GPU 镜像在容器中启动一个 bash shell 会话

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