docker - 如何与 docker 同时运行 Tensorboard 和 jupyter？

Question

我开始学习如何使用 TensorFlow 进行机器学习。并且发现 docker 很方便将 TensorFlow 部署到我的机器上。但是，我可以找到的示例不适用于我的目标设置。这是

ubuntu16.04操作系统下，使用nvidia-docker同时托管jupyter和tensorboard服务(可以是两个容器，也可以是一个容器两个服务)。并且从 jupyter 创建的文件应该对主机操作系统可见。

• Ubuntu 16.04
• Dokcer
• nvidia-docker
  • Jupyter
  • 张量板

Jupyter 容器

nvidia-docker run \
    --name jupyter \
    -d \
    -v $(pwd)/notebooks:/root/notebooks \
    -v $(pwd)/logs:/root/logs \
    -e "PASSWORD=*****" \
    -p 8888:8888 \
    tensorflow/tensorflow:latest-gpu 

张量板容器

nvidia-docker run \
    --name tensorboard \
    -d \
    -v $(pwd)/logs:/root/logs \
    -p 6006:6006 \
    tensorflow/tensorflow:latest-gpu \
    tensorboard --logdir /root/logs

我尝试将日志文件夹挂载到两个容器，并让 Tensorboard 访问 jupyter 的结果。但坐骑似乎确实奏效了。当我在 jupyter 容器中使用 notebooks 文件夹创建新文件时，主机文件夹 $(pwd)/notebooks 什么也没有出现。

我还按照 Nvidia Docker, Jupyter Notebook and Tensorflow GPU 中的说明进行操作

nvidia-docker run -d -e PASSWORD='winrar' -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3

只有 Jupyter 工作，张量板无法从端口 6006 访问。

Answer 1

我今天也遇到了同样的问题。

简短回答:我假设您为 Jupyter Notebook 和 tensorboard 使用 相同的容器。因此，正如您所写，您可以使用以下方式部署容器:

nvidia-docker run -d --name tensor -e PASSWORD='winrar'\
                  -p 8888:8888 -p 6006:6006 gcr.io/tensorflow/tensorflow:latest-gpu-py3

现在您可以同时访问 8888 和 6006 端口，但首先您需要初始化 tensorboard:

docker exec -it tensor bash
tensorboard --logdir /root/logs

关于另一个选项:在不同的容器中运行 jupyter 和 tensorboard。如果您在不同容器中挂载相同目录时遇到问题(过去有一个错误)，从 Docker 1.9 开始，您可以创建不链接到特定容器的独立卷。这可能是一个解决方案。

1. 创建两个卷来存储日志和笔记本。
2. 使用这些卷部署两个镜像。

docker volume create --name notebooks
docker volume create --name logs 

nvidia-docker run \
--name jupyter \
-d \
-v notebooks:/root/notebooks \
-v logs:/root/logs \
-e "PASSWORD=*****" \
-p 8888:8888 \
tensorflow/tensorflow:latest-gpu

 nvidia-docker run \
 --name tensorboard \
 -d \
 -v logs:/root/logs \
 -p 6006:6006 \
 tensorflow/tensorflow:latest-gpu \
 tensorboard --logdir /root/logs