Keras+Tensorflow+Jupyter 安装在Docker容器中运行

Keras 安装在Docker容器中运行

将Keras放到Docker+Jupyter中运行，不只便于安装、兼容性好、容易迁移，并且能够经过Notebook的浏览器界面远程访问。这里介绍将Keras安装在Docker容器中运行的方法和步骤，经过Jupyter Notebook进行容器服务的Python代码编写，经过web浏览器进行远程访问。

先获取一个现成的镜像：

docker pull kaixhin/keras

把这个镜像做为一个容器运行起来：

docker run -it --name keras -p 8880:8888 -v /***/OpenAI:/Users kaixhin/keras

• －it 选项启动一个交互式的shell，注意退出时容器实例也会退出。
• --name 容器的名称，建议取一个本身的名称，若是没有，系统将自动给一个。
• －p 映射端口，8880为外部访问端口，8888为容器内部端口，不然外面主机访问不到服务。
• -v 上面的/***/OpenAI为本身的本地目录，映射到容器中访问，用于与宿主机的共享数据存放。

查看容器状态：

－ 查看全部的镜像：docker images
－ 查看运行的容器：docker ps
－ 查看全部的容器：docker ps -a

而后，就能够：

• 退出后从新启动容器：docker start keras
• 保存当前容器到镜像：docker commit keras openthings/keras

安装Jupyter, Web界面

sudo apt-get install vim -y
sudo apt-get update
sudo apt-get upgrade -y

sudo apt-get install python3-pip -y
sudo pip3 install jupyter
ipython3 kernel install

安装Python2内核：

python2 -m pip install ipykernel
python2 -m ipykernel install --user

安装Jupyter扩展

Jupyter已经有不少扩展，能够支持不少种开发语言，查看https://github.com/ipython/ipython/wiki。

交互界面扩展组件

pip install ipywidgets
jupyter nbextension enable --py widgetsnbextension

安装Scala支持

sudo apt-get install openjdk-7-jre
sudo curl -L -o jupyter-scala https://git.io/vrHhi && chmod +x jupyter-scala && ./jupyter-scala && rm -f jupyter-scala

安装Spark的支持

Spark的Jupyter支持已经发展了多个项目，各有侧重，目前代替Spark Shell的功能已经绰绰有余。

• https://github.com/jupyter/docker-stacks，Jupyter官方Docker技术栈。
• https://github.com/alexarchambault/jupyter-scala
• https://github.com/andypetrella/spark-notebook，集成Spark和Jupyter的独立运行Docker。
• https://github.com/apache/incubator-toree
• https://github.com/apache/incubator-zeppelin，Apache准官方的Jupyter技术栈。
• https://github.com/tribbloid/ISpark

#配置Jupyter远程访问

jupyter notebook --generate-config

将生成文件：~/.jupyter/jupyter_notebook_config.py

而后，编辑：

vim ~/.jupyter/jupyter_notebook_config.py

按“I”键，进入修改状态，修改成以下：

144: c.NotebookApp.ip = '*'
185: c.NotebookApp.open_browser = False

注意，若是不在局域网使用，须要设置密码，参考Jupyter相应的设置:

• 密码设置： http://jupyter-notebook.readthedocs.io/en/latest/public_server.html?highlight=NotebookApp.password
• 更多参考：http://jupyter.readthedocs.io/en/latest/index.html )。

按“Esc”、“:”键，输入“wq”，保存，退出vim。

客户端在浏览器运行

• 而后esc:wq退出vim。
• 运行：jupyter notebook。
• 访问：http://127.0.0.1:8880 。

** 注意，启动容器时必定要映射端口到宿主机，如前“-p 8880:8888”参数，里面的8888为缺省的Jupyter端口，8880为外面可访问的主机端口。**

GPU/CUDA支持

要在Docker中启用CUDA，建议使用NVidia-docker容器宿主程序。

##下载NVidia官方驱动

到NVidia官网下载驱动。默认的Linux使用的开源驱动运行nvidia-docker会有问题。

须要的话，安装Cuda专用支持软件。

##安装nvidia-docker

按照https://github.com/NVIDIA/nvidia-docker的说明安装。

# Install nvidia-docker and nvidia-docker-plugin
wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.0-rc.3/nvidia-docker_1.0.0.rc.3-1_amd64.deb
sudo dpkg -i /tmp/nvidia-docker*.deb && rm /tmp/nvidia-docker*.deb

# Test nvidia-smi
nvidia-docker run --rm nvidia/cuda nvidia-smi

##启用CUDA版的Docker容器

启动时应使用CUDA对应的Docker版本。

docker pull kaixhin/cuda-keras
nvidia-docker run -it --name keras -p 8880:8888 -v /***/OpenAI:/Users kaixhin/cuda-keras

• 注意：把上面/***/OpenAI改为本身的宿主机目录，是用来作宿主机存储的。

运行的时候若是出错，多是显卡驱动的缘由。参考http://www.javashuo.com/article/p-hzsztqrc-em.html更新为NVidia的官方驱动后就能够了。