Tensorflow在Docker中运行和源码编译

本文分享在在Docker中运行Tensorflow和进行源码编译的方法和步骤，包括：编译、构建docker镜像、建立和运行Docker容器。部署完的容器能够经过Jupyter Notebook进行访问。

一、运行Tensorflow容器

快速运行

docker run --name tensorflow -it -p 9888:8888 gcr.io/tensorflow/tensorflow

而后，打开浏览器，按照提示将URL地址输入浏览器便可访问。

• 注意，系统缺省使用的端口是8888，但这个端口被不少网络服务使用，这里改成9888，将相应的网址改成：http://localhost:9888便可访问。

自动重启

若是让其做为服务方式运行，能够加上参数--restart always让其自动重启。

docker run --name tensorflow --restart always -it -p 9888:8888 gcr.io/tensorflow/tensorflow

使用DockerHub

有的地方访问不到gcr.io的镜像，可使用 hub.docker.com 的镜像。

docker run --name tensorflow --restart always -it -p 9888:8888 tensorflow/tensorflow

基于GPU的Docker

基于GPU的Docker运行须要使用专用的Docker engine版本，安装参考：【https://github.com/NVIDIA/nvidia-docker 】，而后使用下面的方法启动：

nvidia-docker run --name tensorflow --restart always -it -p 9888:8888 gcr.io/tensorflow/tensorflow:latest-gpu

• 详细安装方法参考：https://www.tensorflow.org/get_started/os_setup#docker_installation

二、构建Docker镜像

如何本身构建Docker镜像呢？ Docker的构建代码位于项目子目录中：tensorflow/tools/docker 按照以下方法构建：

docker build --pull -t $openthings/tensorflow -f Dockerfile .

其余版本参考上面的方法构建。

详细构建方法参考：https://github.com/openthings/tensorflow/tree/master/tensorflow/tools/docker

• 注意：上面的构建和运行都是基于预构建的版本，为了性能优化、支持特定操做系统和硬件版本，须要 自行从源码编译。

三、Tensorflow源码编译

Tensorflow支持多种系统，所以须要编译相应的版本，包括：

• CPU版本
• GPU版本
• Android版本
• iOS版本

主版本采用Bazel进行build，Android版本和iOS版本须要使用tensorflow/contrib/makefile或tensorflow/contrib/cmake中的方法使用make或cmake进行构建。

自动化编译方法

https://github.com/openthings/tensorflow/tree/master/tensorflow/tools/ci_build

• 若是本身手工编译参考下面的方法和过程。

目前Tesnorflow的编译在Linux上比较顺利，在macOS和Windows上会遇到各类小问题。这里我经过运行于macOS上的Docker来编译。

建立bazel的docker容器

建立Dockerfile-bazel，内容以下：

FROM ubuntu:14.04
MAINTAINER openthings@163.com

RUN apt-get update && apt-get install -y --no-install-recommends \
        build-essential \
        cmake \
	curl \
        git \
        wget \
        libatlas-base-dev \
        libboost-all-dev \
        libgflags-dev \
        libgoogle-glog-dev \
        libhdf5-serial-dev \
        libleveldb-dev \
        liblmdb-dev \
        libopencv-dev \
        libprotobuf-dev \
        libsnappy-dev \
        protobuf-compiler \
        python-pip \
	python-wheel \
        python-dev \
        python-numpy \
        python-scipy \
	software-properties-common 

# =========Install JDK8.====================================================
# Define commonly used JAVA_HOME variable
ENV JAVA_HOME /usr/lib/jvm/java-8-oracle

RUN 	echo ">>>>>> Install JDK8,PWD: "$PWD &&\
	echo oracle-java8-installer shared/accepted-oracle-license-v1-1 select true | debconf-set-selections &&\
  	add-apt-repository -y ppa:webupd8team/java &&\
  	apt-get update &&\
  	apt-get install -y oracle-java8-installer 


# =========Install bazel.===================================================
RUN 	echo ">>>>>> Install bazel,PWD: "$PWD &&\
	echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | \
		tee /etc/apt/sources.list.d/bazel.list &&\
	curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add - &&\
	apt-get update && \
	apt-get install -y bazel &&\
	echo ">>>>>> Success install bazel,PWD: "$PWD

#apt-get upgrade bazel
#wget https://github.com/bazelbuild/bazel/releases/tag/0.4.3 -O bazel

WORKDIR /workspace
ENTRYPOINT ["/bin/bash"]
#CMD ["/bin/bash"]

建立bazel容器的构建脚本：

docker build -t openthings/bazel -f Dockerfile-bazel .

使用bazel容器编译tensorflow

建立构建脚本：

echo ">>> First, please run ./confgiure to config. "
echo "Run bazel build......"

docker run -ti -v $PWD:/workspace openthings/bazel build-tf.sh

• 因为使用bazel须要预先运行./configure进行配置，第一次编译时，使用下面的脚本直接进入容器中进行配置和编译操做：

echo ">>> First, please run ./confgiure to config. "
echo "Run bazel build......"

docker run -ti -v $PWD:/workspace openthings/bazel