如何运行Tensorboard和jupyter与docker同时？

Question

我开始学习如何使用TensorFlow进行机器学习。发现docker在我的机器上部署TensorFlow非常方便。然而，我能找到的例子对我的目标设定不起作用。那是

在ubuntu16.04操作系统下，使用nvidia-docker同时托管jupyter和拉伸板服务（可以是两个容器或一个容器有两个服务）。从jupyter创建的文件应该对主机操作系统可见。

• Ubuntu 16.04
• 多克尔
• nvidia-docker
  • 朱庇特
  • Tensorboard

  木星容器

  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 
  

  张力板容器

  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logs文件夹装载到这两个容器中，并让Tensorboard访问jupyter的结果。但这座山似乎起了作用。当我在带有笔记本文件夹的jupyter容器中创建新文件时，主机文件夹$（pwd）/笔记本只会显示为空。

  我还遵循了Nvidia Docker、Jupyter笔记本和Tensorflow GPU中的说明

  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，张板无法从6006端口到达。

Answer 1

作为替代方案，您还可以使用ML Workspace Docker映像。ML工作区是一个web IDE，它结合了Jupyter、TensorBoard、VS代码和许多其他工具

docker run -p 8080:8080 mltooling/ml-workspace:latest

所有工具都可以从同一端口访问。您可以在这里找到有关如何访问TensorBoard的信息。

Answer 2

我今天也面临同样的问题。

简短的回答：我将假设您使用相同的容器为Jupyter笔记本和单板。因此，正如您所写的，您可以通过以下方式部署容器：

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

现在您可以访问8888和6006端口，但首先需要初始化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。如果在不同的容器中装载相同的目录时遇到问题（过去有一个bug），自Docker 1.9以来，您可以创建与特定容器未链接的独立卷。这可能是一个解决办法。

1. 创建两个卷来存储日志和笔记本。
2. 用这些卷部署两个图像。

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