我如何启动tensorflow docker jupyter notebook

Question

我已经在ubuntu机器上安装了tensorflow docker容器。 tensorflow docker setup instructions指定：

docker run -it b.gcr.io/tensorflow/tensorflow

这使我进入docker容器终端，我可以运行python并执行Hello World示例。我也可以手动运行。\ run_jupyter.sh来启动jupyter笔记本。但是，我无法从主机那里拿到笔记本电脑。

如何启动jupyter笔记本电脑，以便我可以使用主机上的笔记本电脑？理想情况下，我想使用docker启动容器并在一个命令中启动jupyter。

Answer 1

对于Linux主机，Robert Graves的回答是可行的，但对于Mac OS X或Windows，还有更多工作要做，因为docker在虚拟机中运行。

因此，要开始启动docker shell（或任何shell，如果您使用的是Linux）并运行以下命令来启动新的TensorFlow容器：

docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow ./run_jupyter.sh

然后，对于Mac OS X和Windows，您只需执行以下一次：

1. 打开VirtualBox
2. 点击docker vm（我自动命名为＆＃34;默认＆＃34;）
3. 点击设置
打开设置
4. 在网络设置中打开端口转发对话框
5. 单击+符号以添加另一个端口，并通过填写如下所示的对话框将mac中的端口连接到VM。在这个例子中，我选择了端口8810，因为我使用端口8888运行其他笔记本电脑。
6. 然后打开浏览器并连接到http://localhost:8810（或您在主机端口部分设置的任何端口
7. 制作你的花式裤机学习应用程序！

Answer 2

我简单而有效的工作流程：

TL; DR版本：

1. 打开 Docker快速入门终端。如果已经打开，请运行$ cd
2. 运行一次：$ docker run -it -p 8888:8888 -p 6006:6006 -v /$(pwd)/tensorflow:/notebooks --name tf b.gcr.io/tensorflow/tensorflow
3. 每次开始：$ docker start -i tf

  

如果您不在Windows上，则应该将/$(pwd)更改为$(pwd)

您将在主目录中获得一个名为tensorflow的空文件夹，用作项目文件的持久存储，例如Ipython笔记本和数据集。

说明：

1. cd确保您在主目录中。
2. PARAMS：
   • -it代表交互式，因此您可以在终端环境中与容器进行交互。
   • -v host_folder:container_folder可以在主机和容器之间共享文件夹。主机文件夹应位于主目录中。 /$(pwd)转换为Windows 10中的//c/Users/YOUR_USER_DIR。此文件夹在容器中被视为notebooks目录，由Ipython / Jupyter Notebook使用。
   • --name tf将名称tf分配给容器。
   • -p 8888:8888 -p 6006:6006将容器的端口映射到主机，第一对为Jupyter笔记本，第二对为Tensorboard
3. -i代表互动

Running TensorFlow on the cloud

Answer 3

在进一步阅读docker documentation之后，我有一个适合我的解决方案：

docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow ./run_jupyter.sh

-p 8888：8888和-p 6006：6006将容器端口暴露给同一端口号上的主机。如果您只使用-p 8888，将分配主机上的随机端口。

./run_jupyter.sh告诉docker在容器中执行什么。

使用此命令，我可以使用主机上的浏览器连接到http://localhost:8888/并访问jupyter笔记本。

更新： 在与Windows上的docker摔跤后，我换回了带有docker的Ubuntu机器。在阅读更多docker文档后，我的笔记本在docker会话之间被删除了。这是一个更新的命令，它还在容器中安装主机目录并启动指向该安装目录的jupyter。现在我的笔记本保存在主机上，下次启动tensorflow时可用。

docker run -p 8888:8888 -p 6006:6006 -v /home/rob/notebook:/notebook b.gcr.io/tensorflow/tensorflow sh -c "jupyter notebook /notebook"

Answer 4

如果你是一个使用Windows机器的整个docker noob，这些步骤对我有用。

版本：Windows 8.1，docker 1.10.3，tensorflow r0.7

1. 运行Docker快速入门终端
2. 加载后，请记下IP地址。如果您无法找到它，请使用此docker-machine ip并进行记录。让我们称之为“IP地址”。看起来像这样：192.168.99.104（我编写了这个ip地址）

3. 将此命令粘贴到docker终端上：

   docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow。

   如果您是第一次运行它，它将在此轻量级vm上下载并安装图像。然后它应该说'Jupyter笔记本正在运行......＆＃39; - ＆GT;这是一个好兆头！

4. 在<your ip address (see above)>:8888打开浏览器。例如。 192.168.99.104:8888 /
5. 希望你能看到你的ipython文件。

Answer 5

Jupyter现在准备为TensorFlow运行Docker image：

docker run -d -v $(pwd):/home/jovyan/work -p 8888:8888 jupyter/tensorflow-notebook

Answer 6

让它在hyper-v下运行。执行以下步骤：

1）使用https://blogs.msdn.microsoft.com/scicoria/2014/10/09/getting-docker-running-on-hyper-v-8-1-2012-r2/创建一个docker虚拟机，这将为您提供一个有效的docker容器。您可以通过控制台或通过ssh连接到它。因为我确信这将占用大量内存，所以我至少要存储8GB的内存。

2）运行“ifconfig”以确定Docker VM的IP地址

3）在docker shell提示符下输入：

docker run -p 8888：8888 -p 6006：6006 -it b.gcr.io/tensorflow/tensorflow

4）使用http：/ [ifconfig address]连接到Jupyter Workbench：8888 /

Answer 7

为了整理一下这些东西，我想给出一些额外的解释，因为我也遭遇了很多设置有tensorflow的docker。为此我参考了this视频，遗憾的是，视频并非在所有情况下都是自我解决的。 我假设你已经安装了docker。视频中非常有趣的一般部分从0:44分钟开始，他终于开始使用码头工具。在那之前，他只将tensorflow repo下载到文件夹中，然后将其安装到容器中。您当然可以将任何其他内容放入容器中，稍后在docker VM中访问它。

1. 首先他运行长码头命令docker run –dit -v /c/Users/Jay/:/media/disk –p 8000 –p 8888 –p 6006 b.gcr.io/tensorflow/tensorflow。 “run”命令启动容器。在这种情况下，它启动容器“b.gcr.io/tensorflow/tensorflow”，其地址在tensorflow docker installation tutorial内提供。如果尚未在本地使用，则将由docker下载该容器。 然后他给出了另外两种参数：他在给定容器的路径上安装了hosts系统的文件夹。不要忘记在开头给出分区（例如＆＃34; / c /＆＃34;）。 此外，他声明稍后可以从主机使用params -p获得端口。 从所有这个命令中你得到这个容器执行的[CONTAINER_ID]！ 您始终可以通过在docker控制台中运行“docker ps”来查看当前正在运行的容器。上面创建的容器应该出现在此列表中，且ID相同。

2. 下一步：在您的容器运行时，您现在想要在其中执行某些操作。在我们的例子中jupyter notebook或tensorflow或者其他：为此，你让docker在新创建的容器上执行bash：docker exec –ti [CONTAINER_ID] bash。此命令现在在容器上启动bash shell。你看到了这个，因为“$”现在改为root @ [CONTAINER_ID]：从这里回来是没办法的。如果你想回到码头终端，你必须像1:10那样开始另一个新的码头控制台。现在，在容器中运行bash shell，您可以执行任何操作，并执行Jupiter或tensorflow等等。您在运行命令中给出的主机系统文件夹现在应该在“/ media / disk”下可用。

3. 访问VM输出的最后一步。它仍然不想为我工作，我无法访问我的笔记本电脑。您仍然需要找到正确的IP和端口才能访问已启动的笔记本，数据板会话或其他任何内容。首先使用docker-machine –ls找出主要的IP。在此列表中，您将获得URL。 （如果它是您唯一的容器，则称为默认容器。）您可以放弃此处给出的端口。然后从docker ps获取转发端口列表。当列表中写入0.0.0.32776-> 6006 / tcp时，您可以使用首先给出的端口（Awkyard）从主机上访问它。所以在我的情况下，容器中执行的张量板表示“在端口6006上启动”。然后从我的hostmachine我需要输入http://192.168.99.100:32776/来访问它。

- ＆GT;就是这样！它像我一样跑向我！

Answer 8

它为您提供终端提示：

FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd vdocker') DO %i
docker run -it tensorflow/tensorflow:r0.9-devel

或

FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd vdocker') DO %i
docker run -it b.gcr.io/tensorflow/tensorflow:latest-devel

你应该拥有＆＃39; vdocker＆＃39;或将vdocker更改为＆＃39;默认＆＃39;。

Answer 9

出于某种原因，除了提供的示例之外，我还遇到了一个需要克服的问题，使用--ip标志：

nvidia-docker run --rm \
  -p 8888:8888 -p 6006:6006 \
  -v `pwd`:/root \
  -it tensorflow/tensorflow:latest-devel-gpu-py3 sh -c "jupyter notebook --ip 0.0.0.0 ."

然后我可以从我的机器通过http://localhost:8888访问。在某些方面，这是有道理的;在绑定到0.0.0.0的容器中，代表所有可用的地址。但是，我是否需要这样做似乎有所不同（例如我使用jupyter/scipy-notebook启动笔记本而不必这样做）。

在任何情况下，上述命令对我有用，可能对其他人有用。

Answer 10

作为正式TensorFlow映像的替代方案，您还可以使用ML Workspace Docker映像。 ML Workspace是一个开源Web IDE，它将Jupyter，VS Code，TensorFlow和许多其他工具与库组合到一个方便的Docker映像中。部署单个工作区实例非常简单：

docker run -p 8080:8080 mltooling/ml-workspace:latest

所有工具都可以从同一端口访问，并集成到Jupyter UI中。您可以找到文档here。