Es ist wie der Titel.
Wenn Sie es eilig haben, schließen Sie I forked TensorFlow und sehen Sie sich den Zweig feature-py3 an. Danach erstellen und im Verzeichnis tensorflow / tensorflow / tools / docker ausführen.
Gehen wir Schritt für Schritt vor. TensorFlow selbst unterstützt sowohl Python2.7 als auch Python3.x, Docker Image ist jedoch nur Python2.7.
Dieser Artikel richtet sich an Benutzer, die Docker Image verwenden möchten, das mit Python 3.x erstellt wurde.
Ich bin nicht besonders über die Python-Version! Diejenigen, die sagen Sie können einfach mit dem folgenden Befehl beginnen, indem Sie Download und Setup (https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#docker-installation) befolgen.
docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
Darüber hinaus wurde auf GitHub seit Juni 2016 ein Problem im Zusammenhang mit diesem Inhalt veröffentlicht. Es gibt jedoch keine Bewegung und keinen Kommentar dazu, dass Sie wissen, wie schwierig es ist, darauf zu reagieren. (Kostenlose Übersetzung) ist ebenfalls beigefügt, und es scheint, dass es grundsätzlich keine Pläne gibt, dies zu unterstützen.
Support python 3.x based Tensorflow in docker image #2600
Wenn das Docker-Image nicht veröffentlicht wird, können Sie die Docker-Datei selbst aktualisieren und fortfahren.
Sie können es leicht finden, indem Sie ein wenig im Verzeichnis tauchen.
tensorflow/Dockerfile at master · tensorflow/tensorflow · GitHub
Grundsätzlich ist die einzige Änderung, die für die Ausführung unter Python 3 erforderlich ist, die Docker-Datei. Nehmen Sie folgende Änderungen vor:
python → python3python-dev → python3-devpip → pip3Ändern Sie außerdem die Version von TensorFlow, die gemäß der [Installationsseite mit pip] installiert werden soll (https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#using-pip).
http://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-${TENSORFLOW_VERSION}-cp27-none-linux_x86_64.whl → http://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-${TENSORFLOW_VERSION}-cp34-cp34m-linux_x86_64.whlGrundsätzlich ist das in Ordnung.
Der Rest ist das Update der Kernel-Version auf dem Jupyter Notebook und das Löschen des falschen Teils im Beispiel. (Ich habe bei Verwendung von Python 2.7 keine Fehlermeldung erhalten, aber als ich es in 3.x geändert habe, wurde eine Fehlermeldung angezeigt, sodass ich sie gelöscht habe.)
Diese Änderungen sind auf GitHub verfügbar Vergleichen von Tensorflow: master ... tkhm: feature-py3 · tensorflow / tensorflow Sie können von überprüfen.
Wenn Sie gemäß dieser Änderung ein Docker-Image erstellen möchten, führen Sie die folgenden Schritte aus. (Der Inhalt ist der gleiche, weil ich gerade den am Anfang geschriebenen sorgfältig gemacht habe.)
Klonen Sie von https://github.com/tkhm/tensorflow/
Wechseln Sie nach dem Klonen mit dem Befehl git vom Hauptzweig zum Feature-py3-Zweig
Wechseln Sie in das Verzeichnis tensorflow / tensorflow / tools / docker und führen Sie den folgenden Befehl aus
docker build --tag="localhost:tensorflow-py3" .
docker run -it -p 8888:8888 --name tensorflowpy3 localhost:tensorflow-py3
Greifen Sie auf Jupyter zu, das auf Docker ausgeführt wird (z. B. 172.17.0.2: 8888).
Beachten Sie, dass der Docker-Build je nach Netzwerkumgebung etwa 10 bis 20 Minuten dauert. Bitte beachten Sie, dass diejenigen mit begrenzter Kommunikationskapazität auch ein gewisses Maß an Kommunikation benötigen. Die oben genannten "localhost: tensorflow-py3" (Repository-Name: Tag-Name) und "tensorflowpy3" (Containername) sind optional. Ändern Sie sie daher nach Ihren Wünschen.
Wenn Sie überprüfen möchten, ob es erfolgreich auf Python3 aktualisiert wurde, löschen Sie in der ersten Zeile jedes Beispiels die Funktion "from future import print_function" und versuchen Sie es.
print () stammt aus Python 3.x, aber mit der einen Zeile darüber ist es auch in Python 2.7 verfügbar.
Alternativ können Sie Code wie folgt direkt ausführen:
import sys
sys.version
das ist alles.
Recommended Posts