下载TensorFlow images

---

使用hub.docker.com的镜像

• docker pull tensorflow/tensorflow:latest

使用daocloud 的镜像，在国内用速度还是挺快的，如果docker.io的镜像慢，可以用daocloud的。

• docker pull daocloud.io/daocloud/tensorflow:latest

启动镜像

---

启动命令，设置端口，同时配置volume 数据卷，用于永久保存数据。加上 –rm 在停止的时候删除镜像。

• sudo mkdir -p /data/tensorflow/notebooks
• docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p 8888:8888 daocloud.io/daocloud/tensorflow:latest

启动的时候并不是daemon 模式的，而是前台模式，同时显示了运行的日志。

打开浏览器就可以直接看到界面了。 

同时可以编辑内容： 

写第一个 hello world： 

import tensorflow as tf 
a = tf.constant(10) 
b = tf.constant(32) 
with tf.Session():
 c = tf.add(a,b) 
 print(c) 
 print(c.eval())

其他的使用参考中文手册： 
https://github.com/jikexueyuanwiki/tensorflow-zh 
里面有pdf 可以下载使用。

还有一个超级炫酷的playground ： 
http://playground.tensorflow.org/ 

5，打个补丁

---

vi run_jupyter.sh

jupyter notebook --no-browser --NotebookApp.token='token1234' > /notebooks/jupyter-notebook.log

然后重新打一个docker镜像。 
vi Dockerfile

FROM daocloud.io/daocloud/tensorflow:latest

RUN rm -f /run_jupyter.sh

COPY run_jupyter.sh /run_jupyter.sh

ENTRYPOINT ["/run_jupyter.sh"]

这样就固定token了。

docker build -t mytf:1.0 
docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p 8888:8888 -d mytf:1.0

然后就可以 -d 参数，将docker 运行放到后台。然后就可以使用 docker exec -it xxx bash 登录进去查看系统的状况了。