标签：教程 nbsp zed 推荐阅读 启动命令 sla 分享 mac os logs
“谷歌”+“深度学习”，两个标签让2015年12月才由谷歌开源的深度学习工具TensorFlow在其发布之后就迅速地成为了全球最为炙手可热的开源项目，2016年4月，开源的TensorFlow又支持了分布式特性，向着生产环境下的应用更进一步。
TensorFlow API支持Python 2.7和Python 3.3+，共支持4种安装方式。
其中大部分支持Linux和Mac OS，由于主要开发环境是Windows，我选择了最为灵活的docker方式安装TensorFlow。TensorFlow还有GPU支持版本，本文仅探索CPU-Only版本。
我计划完成一系列3篇博文，第一步安装docker，第二步单机版TensorFlow的Demo，第三步分布式TensorFlow的Demo，争取在1个月内完成。
借用Docker官网最大的一行字。
Docker allows you to package an application with all of its dependencies into a standardized unit for software development.
从功能上讲，Docker也可以理解为一种虚拟化的方案，可以通过构建包含不同软件的镜像，来达到快速部署开发环境的目的。
再借用官网的一张图，左边蓝色的部分从kernel开始一层层加了debian, emacs, apache形成了一个Image，每一层都是只读的，我们运行这个Image的时候，上面盖上了一层可读写的Container，让我们做一些编辑和修改，一个简单的服务器就可以用了；又如右边橘红色的部分，Kernel的上面加上了BusyBox就形成了Image，运行起来之后就可以以非常轻量级的方式运行起busybox中支持的命令。再有我们接下来要学习的TensorFlow镜像，就包含了运行它所需要的全部依赖，简单操作就可以完成TensorFlow开发环境的搭建。
更多的Docker理解推荐阅读10张图带你深入理解Docker容器和镜像
要在Windows上运行Docker，首先需要下载和安装Docker Toolbox。顺便奉上Docker Windows文档，更喜欢官方文档的话可以看这里，也可以按照本文的步骤继续。
首先确认自己的系统是WIN 7或更新的64位系统，且需要支持硬件虚拟化技术。
Win 7 运行Microsoft? Hardware-Assisted Virtualization Detection Tool这一工具执行检查。
完成之后就可以继续下一步了。
点击Docker Toolbox下载，在本文写作时的最新版本为1.11.1,。
安装过程会安装Docker的各个组件和Oracle
VirtualBox，因为Docker需要依赖Linux内核的一些特性，因此Mac和Windows都需要在机器上运行一个小型的Linux系统作为Host系统。如果已经安装过VirtualBox的最新版本，则无需重新安装。
自行选择安装路径，如果已经安装过Git也可以去掉该工具的勾选，VirtualBox也是一样，其它可一路Next。
安装完成后，建议先配置一个环境变量MACHINE_STORAGE_PATH，来自定义虚拟机保存的位置，因为之后下载的镜像越来越多，都是放在虚拟机的虚拟磁盘文件中，虚拟磁盘文件会越来越大，放在默认的C盘用户目录下可能会在以后造成一些麻烦，参考下图，设置为任意你喜欢的位置。
设置完成之后，WIN+R键输入cmd，打开一个windows命令行窗口。
输入下面的命令新建一个虚拟机ron-docker，使用virtualbox作为driver，这个虚拟机会自动创建在你的MACHINE_STORAGE_PATH配置的目录中，安装过程会从github上拉取boot2docker.iso，可能会比较慢，可以手动下载，也可以直接将toolbox安装目录下的boot2docker.iso复制到%MACHINE_STORAGE_PATH%/cache中。
docker-machine create ron-docker -d virtualbox
还要注意过程中可能会出现一些要求Windows执行权限的窗口，有些会最小化在任务栏上，请一一赋予权限。
建立完成之后键入docker-machine ls查看刚刚新建的虚拟机，下面的命令都会以ron-docker为例，读者请按照自己的配置修改。
C:\Users\ron>docker-machine ls NAME ACTIVE DRIVER STATE URL SWARM DOCKER ERRORS ron-docker - virtualbox Running tcp://192.168.99.100:2376 v1.11.1
这时候我们使用的CMD还不能与Docker Engine建立连接，可以通过docker-machine env mydocker查看如何设置。
C:\Users\ron>docker-machine env ron-docker
SET DOCKER_TLS_VERIFY=1
SET DOCKER_HOST=tcp://192.168.99.100:2376
SET DOCKER_CERT_PATH=E:\VirtualBox VM\machines\ron-docker
SET DOCKER_MACHINE_NAME=ron-docker
REM Run this command to configure your shell:
REM @FOR /f "tokens=*" %i IN (‘docker-machine env ron-docker‘) DO @%i
键入下面的命令完成环境变量配置
FOR /F "tokens=*" %i IN (‘docker-machine env ron-docker‘) DO %i下面我们下载最新的TensorFlow镜像来体验一下在docker下运行镜像。
docker pull gcr.io/tensorflow/tensorflow
docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
gcr.io/tensorflow/tensorflow latest aeff5a9860a3 2 weeks ago 714.2 MB
当然有可能有网络问题，请根据自己的具体状况自行解决，挂代理，VPN，手动下载都可以。
使用下面的命令启动镜像。
docker run -it gcr.io/tensorflow/tensorflow bash选项-i用于保持STDIN在当前的窗口上，-t用于分配一个pesudo-tty，两个选项使得当前的窗口可以像一个linux的bash一样运行，丝毫没有违和感。第一个参数指定了使用的镜像，第二个参数指定了启动这个镜像后启用的命令，用bash启动方便我们开始第一次的探索。
root@ec9bfd276082:/# uname -a
Linux ec9bfd276082 4.4.8-boot2docker #1 SMP Mon Apr 25 21:57:27 UTC 2016 x86_64 x86_64 x86_64 GNU/Linux
root@ec9bfd276082:/# ls /
bin dev home lib64 mnt opt root run_jupyter.sh srv tmp var
boot etc lib media notebooks proc run sbin sys usr
root@ec9bfd276082:/# python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant(‘Hello, TensorFlow!‘)
>>> sess =tf.Session()
>>> sess.run(hello)
‘Hello, TensorFlow!‘
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> sess.run(a+b)
42
>>>
注意到/目录下的run_jupyter.sh，这事实上是当前版本tensorflow启动的默认命令，也就是说，如果我们在启动镜像时没有指定bash，就会默认运行这个脚本，这与一些稍早一些版本的tensorflow不同，许多教程中也还没有提到，可能会造成困惑，读者可以尝试一下docker run -it gcr.io/tensorflow/tensorflow，它会启动一个notebook的服务，运行在本地的8888端口上，但这样就想从windows的浏览器上打开notebook是不行的，这与docker本身的机制和运行在虚拟上两个原因有关，如果读者现在就想看到notebook，点击这里立即带你去到完成更多必要配置的端口转发部分。
回顾一下上面的过程，要将一个Windows的CMD窗口变为一个运行特定容器的窗口，需要3步。
下面我自己用的一个启动脚本，需要的话仅需修改相应的machine-name，然后将脚本保存为my-start.bat，放在toolbox安装目录下。之后右键my-start.bat->发送到桌面快捷方式，按代码下的图配置该快捷方式，/K参数可以使bat运行完之后不自动关闭。这样，需要时双击运行就可以获得一个新的可运行镜像的CMD窗口。
@ECHO off
SET machine-name=ron-docker
ECHO Init...
FOR /F %%i IN (‘docker-machine status %machine-name%‘) DO SET status=%%i
IF %status%==Running (
ECHO %machine-name% is running.
) ELSE (
ECHO %machine-name% is shutdown.
docker-machine start %machine-name%
)
ECHO Configuring Environment...
FOR /F "tokens=*" %%i IN (‘docker-machine env %machine-name%‘) DO %%i
ECHO Init Finished.
上面我们完成了镜像从下载到启动的过程，但在将docker用作开发环境之前，还有一些很有必要的配置工作要做，让我们一起来完成下面3步。
我们的容器运行在一个小的linux虚拟机上，而虚拟机又运行在Windows系统的VirtualBox上，自然的，运行在容器上的服务不能再Windows上打开浏览器直接访问。端口转发就是要解决这个问题，共有两步：
可以通过VirtualBox的管理界面完成，如图，然后重启虚拟机。
使用-p选项
docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow键入上面这条命令之后打开浏览器，访问localhost:8888，看到运行在容器中的notebook服务了吧
磁盘映射是非常有用的一步配置，可以将Windows上的磁盘直接映射到容器中，这样在Windows上开发代码，直接在容器中运行，避免了写完复制的大麻烦。磁盘映射的处理方法与端口转发类似，磁盘的映射关系需要完成Windwos到虚拟机，虚拟机到容器的两步配置，请跟随下面3个步骤：
打开虚拟机的设置页面后，在共享文件夹中设置你想要共享的文件夹和它的名称，如图，重启虚拟机。
这一步要用到刚才设置的名称，我这里就是docker。
mkdir -p /home/docker/data
mount -t vboxsf -o uid=1000,gid=50 docker /home/docker/data到这里，我们在Windows中所做的修改就可以实时地反映到虚拟机中了。
使用-v选项，建立两个目录的映射关系
docker run -it -v /home/docker/data:/data gcr.io/tensorflow/tensorflow bash好了，试试在Windows的共享文件夹中添加一个python的hello world，然后在docker中python /data/hello.py试试吧
我们上面用docker-machine创建的虚拟机，它的大部分目录在重启之后都会复原，除了/mnt/sda1，这个目录也就是虚拟机的虚拟磁盘文件disk.vmdk所挂载的位置，我们可以修改里面的/mnt/sda1/var/lib/boot2docker/profile文件，在文件最后添加我们自定义的启动命令，比如说添加前面的磁盘映射，就是在profile文件最后加上下面这两句。
mkdir -p /home/docker/data
mount -t vboxsf -o uid=1000,gid=50 docker /home/docker/data这样每次虚拟机启动就会完成磁盘的挂载了。
到这里，使用tensorflow之前安装docker的工作我尽己所能最详细地描述了，读者您如果能看到这里，我真的感到非常荣幸，第一次写这么长的教程，希望能带来一些帮助，最后，感谢下面参考资料的贡献者们，请期待tensorflow三部曲第二篇吧~
在Windows上玩TensorFlow(一)——安装Docker【转】
标签：教程 nbsp zed 推荐阅读 启动命令 sla 分享 mac os logs
原文地址：http://www.cnblogs.com/baiJr/p/6718161.html
