Docker部署tensorflow-gpu-jupyterlab的過程

這篇文章主要介紹“Docker部署tensorflow-gpu-jupyterlab的過程”，在日常操作中，相信很多人在Docker部署tensorflow-gpu-jupyterlab的過程問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Docker部署tensorflow-gpu-jupyterlab的過程”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

1.  下載docker鏡像

docker pull tensorflow/tensorflow:latest-gpu-jupyter

下載完成后查看docker images

2. 創建容器

nvidia-docker run -d \
-v /home/work/heyile:/tf/lab \
-p 8880:8888 \
--name hyllab \
tensorflow/tensorflow:latest-gpu-jupyter

創建后通過docker ps查看容器進程:

通過docker logs hyllab查看啟動日志

3. 安裝集成jupyterlab

因為這個鏡像都是默認啟動jupyter notebook，而jupyter lab比較好看，我們把jupyter lab也集成進來：

docker exec -it hyllab bash

pip install jupyterlab下載完成后退出。

容器默認是啟動jupyter notebook的，我們通過修改容器的配置文件修改啟動命令。

docker ps記下containerid

如圖：containerid :bc05d4cfd3f6

docker stop hyllab停止容器。

切換目錄到docker程序目錄下的以containerid開頭的目錄，如下：

cd /var/lib/docker/containers/bc05d4cfd3f6895bc9ac3bf1d194a8de127634887d8f994a5de809a56caad422

vi config.v2.json 如下圖，將2個位置的jupyter notebook啟動命令改成jupyter lab，下圖是已經修改完成的。

然后，重啟docker服務systemctl restart docker，然后啟動tensorflow容器，比如docker start hyllab

查看日志可以看到已經啟動jupyter lab服務。

docker logs hyllab

通過登錄jupyter lab地址http://127.0.0.1:8888/?token=874de4249fcb11143ca2e0db722a146e758b014243f4ee05可以登錄成功

4. 檢驗docker可以調用GPU

docker exec -it hyllab bash進如容器內，執行nvidia-smi查看gpu列表

通過jupyter lab執行代碼可以查看GPU

到此，關于“Docker部署tensorflow-gpu-jupyterlab的過程”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！