1，关于TensorFlow

TensorFlow 随着AlphaGo的胜利也火了起来。 
google又一次成为大家膜拜的大神了。google大神在引导这机器学习的方向。 
同时docker 也是一个非常好的工具，大大的方便了开发环境的构建，之前需要配置安装。 
看各种文档，现在只要一个 pull 一个 run 就可以把环境弄好了。 
同时如果有写地方需要个性化定制，直接在docker的镜像上面再加一层补丁就好了。 
自己的需求就能满足了，同时还可以将这个通用的方法分享出去。

2，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。 
这个速度非常的快。一样用的。版本也挺新的。

docker pull daocloud.io/daocloud/tensorflow:latest 

3，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。

W 06:48:13.425 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended.

[I 06:48:13.432 NotebookApp] Serving notebooks from local directory: /notebooks

[I 06:48:13.432 NotebookApp] 0 active kernels

[I 06:48:13.432 NotebookApp] The Jupyter Notebook is running at: http://[all ip addresses on your system]:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642

[I 06:48:13.433 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).

[C 06:48:13.433 NotebookApp] 

    Copy/paste this URL into your browser when you connect for the first time,

    to login with a token:

        http://localhost:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642

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。

还有一个超级炫酷吊炸天的playground ： 
http://playground.tensorflow.org/

5，打个补丁

vi run_jupyter.sh

#!/usr/bin/env bash

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。

4，总结

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/70237003 未经博主允许不得转载。 
博主地址是：http://blog.csdn.net/freewebsys

docker 真的是非常好的技术，能够快速的搭建好环境，省去了繁琐的安装配置过程。 
最后使用参数将环境跑起来，同时也可以根据自己的需求，给镜像增加新的功能，就像是盖房子。 
一层一层的盖。所有的层，构成了一个整体的房子。 
同时对于 TensorFlow 来说是一个程序员必须的技能了。就像是 lucence一样，其实大家都不太了解那个索引算法的。 
但是还是可以创建出一个索引分词来。 
TensorFlow 也是一样的。当做一个工具来使用就好了，具体的算法也不太精通。 
有一个说法，数据量上去了，用大数据优化，比算法优化要效果好。