Chose que tu veux faire

Télécharger l'image Docker TensorFlow https://www.tensorflow.org/install/docker?hl=ja Ensuite, je veux démarrer le conteneur et vérifier le fonctionnement de tensorflow.

supposition

Docker doit être installé sur n'importe quel hôte.
Vous pouvez utiliser les commandes Docker.

Comment installer Docker https://qiita.com/kenichiro-yamato/items/7e3cb21613784a27409d

Confirmation préalable

version

[root@docker ~]# docker -v
Docker version 19.03.7, build 7141c199a2

Conteneur de travail

[root@docker ~]# docker ps
CONTAINER ID        IMAGE               COMMAND             CREATED             STATUS              PORTS               NAMES

Obtenir une image avec docker pull

docker pull tensorflow/tensorflow

résultat

[root@docker ~]# docker pull tensorflow/tensorflow
Using default tag: latest
latest: Pulling from tensorflow/tensorflow
171857c49d0f: Pull complete
419640447d26: Pull complete
61e52f862619: Pull complete
40085aa86d3c: Pull complete
b827fdfa00c7: Pull complete
134f84527676: Pull complete
e1f30e7788ed: Pull complete
a13925316d82: Pull complete
5decca4d86ff: Pull complete
70c56a3cd1fa: Pull complete
Digest: sha256:c57fb9628d80872ece8640a22bd0153b2cc8d62d21d79f4d99c3b237a728b62e
Status: Downloaded newer image for tensorflow/tensorflow:latest
docker.io/tensorflow/tensorflow:latest

Confirmez que l'image a été acquise

[root@docker ~]# docker images
REPOSITORY                             TAG                 IMAGE ID            CREATED             SIZE
tensorflow/tensorflow                  latest              623195db36df        7 weeks ago         1.46GB

Démarrez le conteneur avec docker run

Modifiez les spécifications des options telles que la spécification de la mémoire, la spécification du port, la spécification d'hôte, la spécification de répertoire partagé, etc. selon vos besoins.

docker run -m 4096m -p 80:80 -d --privileged -h yamato.host -i -t -v /root/share:/share:rw --name tensorflow_container1 tensorflow/tensorflow

Confirmer le démarrage du conteneur et se connecter

[root@docker ~]# docker ps
CONTAINER ID        IMAGE                   COMMAND             CREATED             STATUS              PORTS                NAMES
62f578fc0279        tensorflow/tensorflow   "/bin/bash"         11 seconds ago      Up 10 seconds       0.0.0.0:80->80/tcp   tensorflow_container1

docker exec -it tensorflow_container1 /bin/bash

Connectez-vous à tensorflow_container1 avec.

[root@docker ~]# docker exec -it tensorflow_container1 /bin/bash

________                               _______________
___  __/__________________________________  ____/__  /________      __
__  /  _  _ \_  __ \_  ___/  __ \_  ___/_  /_   __  /_  __ \_ | /| / /
_  /   /  __/  / / /(__  )/ /_/ /  /   _  __/   _  / / /_/ /_ |/ |/ /
/_/    \___//_/ /_//____/ \____//_/    /_/      /_/  \____/____/|__/

Connexion réussie.

Confirmation de l'état initial

Vous pouvez déjà utiliser python3 et pip.

root@yamato:~# python -V
Python 3.6.9

root@yamato:~# pip

Usage:
  pip <command> [options]

Puisque vim n'est pas inclus, installez-le.

apt-get update

après

apt-get install vim

Ensuite, vous pouvez utiliser vim.

Créez un fichier py et essayez-le

vim test.py


print ("Hello World! I am Kenichiro Yamato")

Courir.

python test.py

donc

Hello World! I am Kenichiro Yamato

Est affiché, OK.

Essayez l'exemple de code tensorflow

vi sample.py

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)