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 notebook。但是，我无法从主机连接到笔记本。

如何启动 jupyter notebook 以便我可以从主机使用 notebook？理想情况下，我想使用 docker 启动容器并在单个命令中启动 jupyter。

Answer 1

进一步阅读 docker documentation 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。如果你只使用-p 8888，主机上的一个随机端口将被分配。

./run_jupyter.sh 告诉 docker 在容器中执行什么。

通过这个命令，我可以使用主机上的浏览器连接到 http://localhost:8888/ 并访问 jupyter notebook。

更新：在 windows 上用 docker 摔跤后，我用 docker 切换回 Ubuntu 机器。我的笔记本在 docker 会话之间被擦除，这在阅读更多 docker 文档后才有意义。这是一个更新的命令，它还在容器中安装了一个主机目录，并启动指向该安装目录的 jupyter。现在我的notebook已经保存在主机上了，下次启动tensorflow的时候就可以用了。

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

Answer 2

对于 Linux 主持人 Robert Graves 的答案是有效的，但是对于 Mac OS X 或 Windows 还有更多工作要做，因为 docker 运行s 在虚拟 machine 中。

因此，要开始启动 docker shell（或任何 shell，如果您正在使用 Linux）和运行以下命令启动一个新的 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 你只需要做一次以下操作：

打开 VirtualBox
单击 docker 虚拟机（我的已自动命名为 "default"）
点击设置打开设置
在网络设置中打开端口转发对话框
单击 + 符号添加另一个端口，并通过填写对话框将端口从 mac 连接到 VM，如下所示。在此示例中，我选择了端口 8810，因为我运行其他笔记本使用端口 8888。
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
做你喜欢的裤子machine 学习应用程序！

Answer 3

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，这将为您提供一个可用的 docker 容器。您可以通过控制台或通过 ssh 连接到它。我会放置至少 8GB 的内存，因为我确信这会占用大量内存。

2) 运行 "ifconfig" 确定Docker VM的IP地址

3) 在 docker shell 提示符下键入：

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

4) 使用 http:/[ifconfig 地址]:8888/

连接到 Jupyter Workbench

Answer 4

如果您是使用 windows 机器的 docker 菜鸟，这些步骤对我有用。

版本：Windows8.1，docker1.10.3，tensorflow r0.7

运行 Docker 快速启动终端
加载后，记下IP地址。如果找不到它，请使用 docker-machine ip 并做个记录。让我们称之为 'ip address'。看起来像这样：192.168.99.104（我编造了这个 ip 地址）
将此命令粘贴到 docker 终端：

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

如果您是运行这是第一次，它会下载并安装映像到这个轻量级虚拟机上。然后它应该说 'The Jupyter notebook is running at ....' -> 这是一个好兆头！
打开浏览器：<your ip address (see above)>:8888。例如。 192.168.99.104:8888/
希望您能看到您的 ipython 文件。

Answer 5

我简单而高效的工作流程：

TL;DR 版本：

打开Docker 快速启动终端。如果已经打开，运行 $ cd
运行这一次：$ docker run -it -p 8888:8888 -p 6006:6006 -v /$(pwd)/tensorflow:/notebooks --name tf b.gcr.io/tensorflow/tensorflow
每次开始：$ docker start -i tf

If you are not on windows, you should probably change /$(pwd) to $(pwd)

您将在您的主目录中获得一个名为 tensorflow 的空文件夹，用于永久存储项目文件，例如 Ipython 笔记本和数据集。

解释：

cd 用于确保您位于主目录中。
参数：
- -it代表interactive，可以在终端环境下与容器进行交互。
- -v host_folder:container_folder 允许在主机和容器之间共享一个文件夹。主机文件夹应该在您的主目录中。 /$(pwd) 在Windows 10 中转换为//c/Users/YOUR_USER_DIR。此文件夹在Ipython/Jupyter Notebook 使用的容器中被视为notebooks 目录。
- --name tf 将名称 tf 分配给容器。
- -p 8888:8888 -p 6006:6006 将容器端口映射到主机，第一对用于 Jupyter notebook，第二对用于 Tensorboard
-i代表互动

Answer 6

为了稍微整理一下，我想给出一些额外的解释，因为我在使用 tensorflow 设置 docker 时也遇到了很多麻烦。为此，我参考了 this 视频，不幸的是，该视频在所有情况下都不是一目了然的。我假设您已经安装了 docker。视频真正有趣的一般部分从 0:44 分钟开始，他终于开始了 docker。在那之前，他只将 tensorflow 存储库下载到文件夹中，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。

首先，他运行发出长 docker 命令 docker run –dit -v /c/Users/Jay/:/media/disk –p 8000 –p 8888 –p 6006 b.gcr.io/tensorflow/tensorflow。 “运行”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 中提供。如果容器在本地不可用，将由 docker 下载。然后他给出了另外两种参数：他将主机系统的文件夹挂载到容器的给定路径。不要忘记在开头给出分区（例如“/c/”）。此外，他还使用参数 -p 声明主机稍后可以使用端口。从所有这些命令中，您可以获得此容器执行的 [CONTAINER_ID]！您始终可以在 docker 控制台中通过运行ning “docker ps” 查看当前运行ning 容器。您在上面创建的容器应该以相同的 ID 出现在此列表中。
下一步：使用您的容器运行ning，您现在想要在其中执行一些操作。在我们的例子中，jupyter notebook 或 tensorflow 或其他：要做到这一点，您需要 docker 在新创建的容器上执行 bash：docker exec –ti [CONTAINER_ID] bash。此命令现在在您的容器上启动 bash shell。你看到这个是因为“$”现在变成了 root@[CONTAINER_ID]:。从这里没有回头路。如果你想回到 docker 终端，你必须启动另一个新的 docker 控制台，就像他在 1:10 分钟所做的那样。现在在容器中使用 bash shell 运行ning 你可以做任何你想做的事情并执行 Jupiter 或 tensorflow 或其他任何东西。您在运行命令中提供的主机系统文件夹现在应该在“/media/disk”下可用。
访问 VM 输出的最后一步。它仍然不想为我解决问题，我无法访问我的笔记本。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、tensorboard 会话或其他任何内容。首先使用docker-machine –ls找出主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。）您可以省略此处给出的端口。然后从 docker ps 你得到转发端口的列表。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）从主机访问它。所以在我的例子中，容器中执行的张量板说“在端口 6006 上启动”。然后从我的主机我需要输入 http://192.168.99.100:32776/ 来访问它。

-> 就是这样！它运行对我来说是这样的！

Answer 7

它给你终端提示：

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

您应该 'vdocker' 或将 vdocker 更改为 'default'。

Answer 8

Jupyter 现在已经准备好运行 Docker image 用于 TensorFlow：

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

Answer 9

出于某种原因，我运行遇到了一个额外的问题，我需要使用 --ip 标志克服提供的示例之外的问题：

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上通过 http://localhost:8888 访问。在某些方面这是有道理的；在您绑定到代表所有可用地址的 0.0.0.0 的容器中。但是我是否需要这样做似乎有所不同（例如，我已经开始使用 jupyter/scipy-notebook 笔记本电脑而不必这样做）。

无论如何，上面的命令对我有用，可能对其他人有用。

Answer 10

作为官方 TensorFlow 图像的替代方案，您还可以使用 ML Workspace Docker 图像。 ML Workspace 是一个开源 Web IDE，它将 Jupyter、VS Code、TensorFlow 和许多其他工具和库组合到一个方便的 Docker 图像中。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个端口访问并集成到 Jupyter UI。您可以找到文档 here.

我如何启动 tensorflow docker jupyter notebook

How do I start tensorflow docker jupyter notebook

docker

jupyter

tensorflow

我简单而高效的工作流程：

TL;DR 版本：

解释：