如何启动 tensorflow docker jupyter notebook答案

【问题标题】：How do I start tensorflow docker jupyter notebook如何启动 tensorflow docker jupyter notebook
【发布时间】：2023-03-05 16:24:01
【问题描述】：

我已经在 ubuntu 机器上安装了 tensorflow docker 容器。 tensorflow docker setup instructions 指定：

docker run -it b.gcr.io/tensorflow/tensorflow

这让我进入了 docker 容器终端，我可以运行 python 并执行 Hello World 示例。我也可以手动运行 .\run_jupyter.sh 来启动 jupyter notebook。但是，我无法从主机访问笔记本。

如何启动 jupyter notebook 以便我可以从主机使用 notebook？理想情况下，我想使用 docker 启动容器并在单个命令中启动 jupyter。

【问题讨论】：

给定的命令不将我放入终端（除非我将 bash 附加到命令行）。相反，它会自动运行/run_jupyter.sh。要获得一个单独的终端，您需要执行类似docker exec -it [CONTAINER ID] bash 的操作，如here 所述。

标签： docker jupyter tensorflow

【解决方案1】：

对于 Linux 主机，Robert Graves 的回答会起作用，但对于 Mac OS X 或 Windows，还有更多工作要做，因为 docker 在虚拟机中运行。

因此，开始启动 docker shell（或任何 shell，如果您使用的是 Linux）并运行以下命令来启动新的 TensorFlow 容器：

docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow ./run_jupyter.sh

那么对于 Mac OS X 和 Windows，您只需执行以下操作一次：

打开 VirtualBox
点击docker vm（我的自动命名为“default”）
点击设置打开设置
在网络设置中打开端口转发对话框
单击 + 符号添加另一个端口，并通过填写对话框将端口从您的 mac 连接到 VM，如下所示。在此示例中，我选择了端口 8810，因为我使用端口 8888 运行其他笔记本。
然后打开浏览器并连接到http://localhost:8810（或您在主机端口部分设置的任何端口
制作您喜欢的裤子机器学习应用！

【讨论】：

克雷格，谢谢我按照您的指示在 Windows 中运行。在 Windows 上，我无法让它在 Docker 快速启动终端中运行。终端无法正确处理正斜杠 /。使用 PowerShell 确实有效。通过启动 Kinematic 然后单击应用程序左下角的“Docker CLI”，我使用所有正确的环境变量进入 PowerShell。
很高兴您也对非 Linux 案例感兴趣。当我看到您的回答时，我不确定是否应该提出一个新问题或在此处发布。感谢您开始！
当 docker 安装在 Windows（也可能是 OS X）上时，它默认为 1 个处理器和 1GB RAM。如果您的计算机可以处理它，我建议更改 VM 设置以添加更多处理器和内存。
重要：将访客 IP 留空。我用 127.0.0.1 填充它，我花了一段时间才意识到这是问题所在。
@Robert Graves 我没有成功使用给出的命令行示例，但 Kitematic 为我解决了这一切。我找到了一个包含 tensorflow 和 jupyter“tensorflow-jupyter”的 docker 镜像。只需单击 Kitematic 窗口右侧的“网络预览”，我就会在 Windows10 上看到一个浏览器窗口（chrome），它由 docker 容器内的 Linux 发行版提供服务。

【解决方案2】：

我简单而高效的工作流程：

TL；DR 版本：

打开 Docker 快速入门终端。如果它已经打开，运行$ cd
运行此一次：$ docker run -it -p 8888:8888 -p 6006:6006 -v /$(pwd)/tensorflow:/notebooks --name tf b.gcr.io/tensorflow/tensorflow
每次开始：$ docker start -i tf

如果您不在 Windows 上，您可能应该将 /$(pwd) 更改为 $(pwd)

您将在主目录中获得一个名为 tensorflow 的空文件夹，用作项目文件（如 Ipython 笔记本和数据集）的持久存储。

说明：

cd 确保您位于主目录中。
参数：
- -it 代表interactive，所以你可以在终端环境中与容器进行交互。
- -v host_folder:container_folder 允许在主机和容器之间共享文件夹。主机文件夹应该在您的主目录中。 /$(pwd) 在 Windows 10 中转换为 //c/Users/YOUR_USER_DIR。此文件夹在 Ipython/Jupyter Notebook 使用的容器中被视为 notebooks 目录。
- --name tf 将名称 tf 分配给容器。
- -p 8888:8888 -p 6006:6006 将容器端口映射到主机，第一对用于 Jupyter notebook，第二对用于 Tensorboard
-i 代表互动

Running TensorFlow on the cloud

【讨论】：

谢谢！您的解决方案简单且有效。不过，有点后续问题，可能看起来很愚蠢，因为我是 docker 的新手，命令行界面：一旦我启动 tf 映像，它就会自动运行 jupyter 并且控制台被 jupyter “占用”。不能用它来执行cd、ls等其他命令...如何在docker容器上打开一个新的控制台？
-it in docker run -it ... 代表交互式。尝试删除它，我希望它会按您的意愿工作。
我试过了，但是 Powershell 仍然只连接到 Windows。有没有办法用两个单独的 powershell 连接到容器？当一个被 Jupyter “占用”并成为 Jupyter 消息的显示窗口时，另一个仍可用于在该容器上执行其他命令。我尝试使用非迭代，但 powershell 仍然连接到 Windows，而不是容器。然后我尝试使用“docker attach container_id”，但是powershell控制台变得没有响应。
我认为这是不可能的，因为容器一次只运行一个应用程序。就我而言，jupyter notebook 正在运行，因此同一个容器没有空间同时运行 bash。

【解决方案3】：

在进一步阅读docker documentation 之后，我有一个适合我的解决方案：

docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow ./run_jupyter.sh

-p 8888:8888 和 -p 6006:6006 将容器端口暴露给同一端口号上的主机。如果只使用-p 8888，则会在主机上分配一个随机端口。

./run_jupyter.sh 告诉 docker 在容器中执行什么。

通过这个命令，我可以使用主机上的浏览器连接到http://localhost:8888/并访问jupyter notebook。

更新：在 Windows 上与 docker 搏斗后，我切换回带有 docker 的 Ubuntu 机器。我的笔记本在 docker 会话之间被删除，这在阅读更多 docker 文档后是有意义的。这是一个更新的命令，它还在容器中挂载一个主机目录，并启动指向该挂载目录的 jupyter。现在我的 notebook 保存在主机上，下次启动 tensorflow 时就可以使用了。

docker run -p 8888:8888 -p 6006:6006 -v /home/rob/notebook:/notebook b.gcr.io/tensorflow/tensorflow sh -c "jupyter notebook /notebook"

【讨论】：

【解决方案4】：

如果您是使用 windows 机器的 docker noob，这些步骤对我有用。

版本：Windows 8.1、docker 1.10.3、tensorflow r0.7

运行 Docker 快速入门终端
加载后，记下ip地址。如果找不到它，请使用此docker-machine ip 并记下。让我们称之为“IP地址”。看起来像这样：192.168.99.104（这个IP地址是我编的）
将此命令粘贴到 docker 终端上：

docker run -p 8888:8888 -p 6006:6006 b.gcr.io/tensorflow/tensorflow。

如果你是第一次运行它，它会在这个轻量级虚拟机上下载并安装镜像。然后它应该说“Jupyter notebook 正在运行……” -> 这是一个好兆头！
打开浏览器：<your ip address (see above)>:8888。例如。 192.168.99.104:8888/
希望您能看到您的 ipython 文件。

【讨论】：

【解决方案5】：

Jupyter 现在可以为 TensorFlow 运行 Docker image：

docker run -d -v $(pwd):/home/jovyan/work -p 8888:8888 jupyter/tensorflow-notebook

【讨论】：

【解决方案6】：

为了让它在 hyper-v 下运行。执行以下步骤：

1) 使用https://blogs.msdn.microsoft.com/scicoria/2014/10/09/getting-docker-running-on-hyper-v-8-1-2012-r2/ 创建一个 docker 虚拟机，这将为您提供一个正常工作的 docker 容器。您可以通过控制台或 ssh 连接到它。我会放置至少 8gb 的内存，因为我确信这会占用大量内存。

2）运行“ifconfig”来确定Docker VM的IP地址

3) 在 docker shell 提示符下输入：

docker run -p 8888:8888 -p 6006:6006 -it b.gcr.io/tensorflow/tensorflow

4) 使用 http://[ifconfig 地址]:8888/ 连接到 Jupyter Workbench

【讨论】：

这是在 Windows Server 2012-R2 上
事情变化很快。我发现下面的docs.docker.com/machine/drivers/hyper-v 比第 1 步更容易启动。此外，如果您使用的是 Windows 10，docker 现在在这里有一个带有 GUI 工具的本机工具集docker.com/products/docker#/windows
-- 你的意思是“ipconfig” ifconfig 不起作用。当您在 boot2docker 虚拟机中时，它是 linux，因此 windows 命令不起作用。 ifconfig 是 ipconfig windows 命令的 linux 版本。虚拟机将拥有自己的 IP 地址，因为它运行自己的 IP 堆栈。很好地考虑 docker 是它共享 VM IP 堆栈，因此地址不会改变。

【解决方案7】：

为了稍微整理一下，我想给出一些额外的解释，因为我在使用 tensorflow 设置 docker 时也遭受了很多痛苦。为此，我参考了this 视频，不幸的是，这在所有情况下都不是一目了然的。我假设你已经安装了 docker。视频中真正有趣的一般部分从 0:44 开始，他终于开始了 docker。在此之前，他只将 tensorflow repo 下载到文件夹中，然后将其挂载到容器中。您当然可以将任何其他内容放入容器中，稍后在 docker VM 中访问它。

首先他运行长 docker 命令docker run –dit -v /c/Users/Jay/:/media/disk –p 8000 –p 8888 –p 6006 b.gcr.io/tensorflow/tensorflow。 “运行”命令启动容器。在这种情况下，它会启动容器“b.gcr.io/tensorflow/tensorflow”，其地址在tensorflow docker installation tutorial 中提供。如果容器在本地不可用，则 docker 将下载该容器。然后他给出了两种额外的论点：他将主机系统的一个文件夹挂载到容器的给定路径。不要忘记在开头给出分区（例如“/c/”）。此外，他使用参数 -p 声明稍后可从主机使用端口。从所有这些命令中，您可以返回此容器执行的 [CONTAINER_ID]！通过在 docker 控制台中运行“docker ps”，您始终可以看到当前正在运行的容器。您在上面创建的容器应该以相同的 id 出现在此列表中。
下一步：随着您的容器运行，您现在想要在其中执行一些操作。在我们的例子中是 jupyter notebook 或 tensorflow 或其他：为此，您需要让 docker 在新创建的容器上执行 bash：docker exec –ti [CONTAINER_ID] bash。此命令现在在您的容器上启动一个 bash shell。您会看到这一点，因为“$”现在更改为 root@[CONTAINER_ID]:。从这里没有回头路。如果你想回到 docker 终端，你必须启动另一个新的 docker 控制台，就像他在 1:10 分钟所做的那样。现在有了在容器中运行的 bash shell，您可以做任何您想做的事情并执行 Jupiter 或 tensorflow 或其他任何东西。您在运行命令中提供的主机系统文件夹现在应该在“/media/disk”下可用。
访问 VM 输出的最后一步。它仍然不想为我工作，我无法访问我的笔记本。您仍然必须找到正确的 IP 和端口才能访问已启动的笔记本、张量板会话或其他任何内容。首先使用docker-machine –ls找出主IP。在此列表中，您将获得 URL。（如果它是您唯一的容器，则称为默认容器。）您可以忽略此处给出的端口。然后从docker ps 你得到转发端口的列表。当列表中写入 0.0.0.32776->6006/tcp 时，您可以使用首先给出的端口（Awkyard）从主机访问它。所以在我的例子中，容器中执行的张量板说“在端口 6006 上启动”。然后我需要在我的主机上输入http://192.168.99.100:32776/ 才能访问它。

-> 就是这样！它是这样为我运行的！

【讨论】：

【解决方案8】：

它为您提供终端提示：

FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd vdocker') DO %i
docker run -it tensorflow/tensorflow:r0.9-devel

或

FOR /f "tokens=*" %i IN ('docker-machine env --shell cmd vdocker') DO %i
docker run -it b.gcr.io/tensorflow/tensorflow:latest-devel

你应该有 'vdocker' 或将 vdocker 更改为 'default'。

【讨论】：

【解决方案9】：

由于某种原因，除了提供的示例之外，我还遇到了一个需要克服的额外问题，使用 --ip 标志：

nvidia-docker run --rm \
  -p 8888:8888 -p 6006:6006 \
  -v `pwd`:/root \
  -it tensorflow/tensorflow:latest-devel-gpu-py3 sh -c "jupyter notebook --ip 0.0.0.0 ."

然后我可以通过我的机器上的http://localhost:8888 访问。在某些方面，这是有道理的；在您绑定到代表所有可用地址的0.0.0.0 的容器中。但是我是否需要这样做似乎有所不同（例如，我已经使用jupyter/scipy-notebook 开始了笔记本，而不必这样做）。

无论如何，上面的命令对我有用，可能对其他人有用。

【讨论】：

【解决方案10】：

作为官方 TensorFlow 镜像的替代方案，您还可以使用ML Workspace Docker 镜像。 ML Workspace 是一个开源 Web IDE，它将 Jupyter、VS Code、TensorFlow 和许多其他工具和库组合到一个方便的 Docker 映像中。部署单个工作区实例非常简单：

docker run -p 8080:8080 mltooling/ml-workspace:latest

所有工具都可以从同一个端口访问并集成到 Jupyter UI 中。您可以找到文档here。

【讨论】：