概述

基于Docker的TensorFlow機器學習框架搭建和實例源碼解讀，TensorFlow作為最火熱的機器學習框架之一，Docker是的容器，可以很好的結合起來，為機器學習或者科研人員提供便捷的機器學習開發環境，探索人工智能的奧秘，容器隨開隨用方便快捷。源碼解析TensorFlow容器創建和示例程序運行，為熱愛機器學者降低學習難度。

默認機器已經裝好了Docker。

1.下載TensorFlow鏡像

docker pull tensorflow/tensorflow

或者
sudo docker pull tensorflow/tensorflow</code></pre>
2.創建TensorFlow容器，源碼解讀
 
  
docker run --name xiaolei-tensortflow -it -p 8888:8888 -v ~/tensorflow:/notebooks/data  tensorflow/tensorflow
 
  
 
   
docker run 運行鏡像，
 
   
--name 為容器創建別名，
 
   
-it 保留命令行運行，
 
   
-p 8888:8888 將本地的8888端口 http://localhost:8888/ 映射，
 
   
-v ~/tensorflow:/notebooks/data 將本地的~/tensorflow文件夾掛載到新建容器的/notebooks/data下（這樣創建的文件可以保存到本地~/tensorflow）
 
   
tensorflow/tensorflow 為指定的鏡像，默認標簽為latest（即tensorflow/tensorflow:latest）
 
  
 
  
 
  
3.開啟TensorFlow容器
 
  
3.1.可以直接從命令行中右鍵打開連接，或者在瀏覽器中輸入localhost:8888，然后將命令行中的token粘貼上去。
 
  
 
  
4.開始TensorFlow編程(Python語言)
 
  
4.1.在首頁可以 New 一個Python項目
 
  
 
  
4.2.tensorflow示例源碼解讀
 
  
from future import print_function

導入tensorflow
import tensorflow as tf
輸入兩個數組，input1和input2然后相加，輸出結果
with tf.Session():
    input1 = tf.constant([1.0, 1.0, 1.0, 1.0])
    input2 = tf.constant([2.0, 2.0, 2.0, 2.0])
    output = tf.add(input1, input2)
    result = output.eval()
    print("result: ", result)</code></pre> 
  
4.3.運行程序，輸出的結果為（運行成功）
 
  
result:  [ 3.  3.  3.  3.]
 
  
 
  
5.其他 linux,TensorFlow,Docker相關操作
 
  
5.1.關閉TensorFlow和開啟TensorFlow環境
 
  
#關閉tensorflow容器
docker stop xiaolei-tensortflow

開啟TensorFlow容器
docker start xiaolei-tensortflow
瀏覽器中輸入 http://localhost:8888/</code></pre>
5.2.解決文件的讀寫權限
 
  
#查看讀寫權限
ls -l

將tensorflow 變為屬于xiaolei（系統默認）用戶
sudo chown -R xiaolei tensorflow/
將tensorflow 變為屬于xiaolei（系統默認）用戶組
sudo chgrp -R xiaolei tensorflow/</code></pre> 
  
 
 
  
來自：http://blog.csdn.net/dream_an/article/details/55520205