如何运行 Tensorboard 和 jupyter 同时使用 docker？

Question

我开始学习如何使用 TensorFlow 进行机器学习。并发现 docker 非常方便将 TensorFlow 部署到我的机器上。但是，我能找到的示例不适用于我的目标设置。这是

在ubuntu16.04下os，使用nvidia-docker将jupyter和tensorboard服务一起hos（可以是两个容器或一个容器有两个服务）。从 jupyter 创建的文件应该对 host OS.

可见

Ubuntu 16.04
Dokcer
nvidia-docker
- Jupyter
- 张量板

Jupyter 容器

nvidia-docker run \
    --name jupyter \
    -d \
    -v $(pwd)/notebooks:/root/notebooks \
    -v $(pwd)/logs:/root/logs \
    -e "PASSWORD=*****" \
    -p 8888:8888 \
    tensorflow/tensorflow:latest-gpu

Tensorboard 容器

nvidia-docker run \
    --name tensorboard \
    -d \
    -v $(pwd)/logs:/root/logs \
    -p 6006:6006 \
    tensorflow/tensorflow:latest-gpu \
    tensorboard --logdir /root/logs

我尝试将日志文件夹挂载到两个容器，并让 Tensorboard 访问 jupyter 的结果。但是坐骑似乎确实起作用了。当我在带有 notebooks 文件夹的 jupyter 容器中创建新文件时，host 文件夹 $(pwd)/notebooks 什么也没有出现。

我也遵循了Nvidia Docker, Jupyter Notebook and Tensorflow GPU

中的说明

nvidia-docker run -d -e PASSWORD='winrar' -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3

只有 Jupyter 可用，tensorboard 无法从端口 6006 访问。

Answer 1

我今天遇到了同样的问题。

简短回答：我假设您对 Jupyter Notebook 和张量板使用相同的容器。因此，正如您所写，您可以使用以下命令部署容器：

nvidia-docker run -d --name tensor -e PASSWORD='winrar'\
                  -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3

现在你可以同时访问8888和6006端口，但首先你需要初始化tensorboard:

docker exec -it tensor bash
tensorboard --logdir /root/logs

关于另一个选项：运行不同容器中的 jupyter 和 tensorboard。如果你在不同的容器中安装相同的目录时遇到问题（过去有一个错误），从 Docker 1.9 开始你可以创建独立的卷，不链接到特定的容器。这可能是一个解决方案。

创建两个卷来存储日志和笔记本。
使用这些卷部署两个映像。

docker volume create --name notebooks
docker volume create --name logs

nvidia-docker run \
--name jupyter \
-d \
-v notebooks:/root/notebooks \
-v logs:/root/logs \
-e "PASSWORD=*****" \
-p 8888:8888 \
tensorflow/tensorflow:latest-gpu

 nvidia-docker run \
 --name tensorboard \
 -d \
 -v logs:/root/logs \
 -p 6006:6006 \
 tensorflow/tensorflow:latest-gpu \
 tensorboard --logdir /root/logs

Answer 2

作为替代方案，您还可以使用 ML Workspace Docker 图像。 ML Workspace 是一个网络 IDE，它将 Jupyter、TensorBoard、VS Code 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。您可以找到有关如何访问 TensorBoard here.

的信息

如何 运行 Tensorboard 和 jupyter 同时使用 docker？

How to run Tensorboard and jupyter concurrently with docker?

docker

tensorflow

jupyter

tensorboard

如何运行 Tensorboard 和 jupyter 同时使用 docker？