Exécutez l'image Docker de TensorFlow sur Python3

À propos de cet article

C'est comme le titre.

Si vous êtes pressé de conclure, clonez I forked TensorFlow et consultez la branche feature-py3. Après cela, construisez et exécutez dans le répertoire tensorflow / tensorflow / tools / docker.

Procédons étape par étape. TensorFlow lui-même prend en charge à la fois Python2.7 et Python3.x, mais Docker Image est uniquement Python2.7.

Cet article s'adresse à ceux qui souhaitent utiliser Docker Image construite avec Python 3.x.

Je ne suis pas particulier sur la version Python! Ceux qui disent Vous pouvez facilement démarrer avec la commande suivante en suivant le téléchargement et l'installation (https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#docker-installation).

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

De plus, sur GitHub, un problème lié à ce contenu est posté depuis juin 2016, mais il n'y a pas de mouvement et de commentaire à l'effet que vous savez à quel point il est difficile de répondre. (Traduction gratuite) est également joint, et il semble qu'il n'y ait fondamentalement aucun plan pour le soutenir.

Support python 3.x based Tensorflow in docker image #2600

Modifications pour travailler avec Python 3

Si l'image Docker n'est pas publiée, vous pouvez mettre à jour le Dockerfile vous-même et continuer.

Vous pouvez facilement le trouver en plongeant un peu dans l'annuaire.

tensorflow/Dockerfile at master · tensorflow/tensorflow · GitHub

Fondamentalement, le seul changement requis pour s'exécuter sur Python 3 est le Dockerfile. Apportez les modifications suivantes:

• python → python3
• python-dev → python3-dev
• pip → pip3

Modifiez également la version de TensorFlow à installer conformément à la page d'installation avec 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.whl

Fondamentalement, c'est OK.

Le reste est la mise à jour de la version du noyau sur le bloc-notes Jupyter et la suppression de la mauvaise partie de l'exemple. (Je n'ai pas reçu de message d'erreur lors de l'utilisation de Python 2.7, mais lorsque je l'ai changé en 3.x, un message d'erreur était affiché, je l'ai donc supprimé.)

Ces modifications sont disponibles sur GitHub Comparaison de tensorflow: master ... tkhm: feature-py3 · tensorflow / tensorflow Vous pouvez vérifier à partir de.

Création d'images Docker

Si vous souhaitez créer une image Docker en fonction de ce changement, veuillez suivre les étapes ci-dessous. (Le contenu est le même car je viens de faire celui écrit au début avec soin.)

1. Cloner depuis https://github.com/tkhm/tensorflow/

2. Après le clonage, passez de la branche master à la branche feature-py3 avec la commande git

3. Accédez au répertoire tensorflow / tensorflow / tools / docker et exécutez la commande suivante

   docker build --tag="localhost:tensorflow-py3" .
   docker run -it -p 8888:8888 --name tensorflowpy3 localhost:tensorflow-py3
   

4. Accédez à Jupyter en cours d'exécution sur docker (par exemple, 172.17.0.2: 8888)

Notez que docker build prend environ 10 à 20 minutes selon l'environnement réseau. Veuillez noter que ceux qui ont une capacité de communication limitée auront également besoin d'une certaine quantité de communication. De plus, les options localhost: tensorflow-py3 (nom du référentiel: nom de la balise) et tensorflowpy3 (nom du conteneur) ci-dessus sont facultatives, modifiez-les à votre guise.

Confirmation de version

Si vous voulez vérifier s'il a été mis à jour avec succès vers Python3, supprimez le from __future__ import print_function dans la première ligne de chaque exemple et essayez-le. print () est de Python 3.x, mais avec la ligne ci-dessus, il est également disponible dans Python 2.7.

Alternativement, vous pouvez exécuter directement du code comme celui-ci:

import sys
sys.version

c'est tout.