我正在学习如何使用TensorFlow进行机器学习,并发现Docker非常方便,可以部署TensorFlow到我的计算机上。但是我找到的示例在我的目标设置上无法正常工作,我的目标设置如下:在Ubuntu 16.04操作系统下,使用nvidia-docker同时托管jupyter和tensorboard服务(可以是两个容器或一个容器内嵌两个服务)。并且,从jupyter创建的文件应该对主机操作系统可见。需要使用以下工具:
我尝试将日志文件夹挂载到两个容器中,并让Tensorboard访问jupyter的结果。但是,似乎挂载没有成功。当我在jupyter容器的notebooks文件夹中创建新文件时,主机文件夹$(pwd)/notebooks什么也没有显示。
我还按照Nvidia Docker、Jupyter Notebook和Tensorflow GPU的说明进行操作。
- Ubuntu 16.04
- Docker
- nvidia-docker
- Jupyter
- Tensorboard
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 $(pwd)/logs:/root/logs \
-p 6006:6006 \
tensorflow/tensorflow:latest-gpu \
tensorboard --logdir /root/logs
我尝试将日志文件夹挂载到两个容器中,并让Tensorboard访问jupyter的结果。但是,似乎挂载没有成功。当我在jupyter容器的notebooks文件夹中创建新文件时,主机文件夹$(pwd)/notebooks什么也没有显示。
我还按照Nvidia Docker、Jupyter Notebook和Tensorflow GPU的说明进行操作。
nvidia-docker run -d -e PASSWORD='winrar' -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3
只有Jupyter可以使用,tensorboard无法从6006端口访问。
docker exec -it tensor bash
,而是使用类似于docker exec tensorboard --logs=...
这样的命令? <-- 这个命令不起作用。 - user4911648