基于容器的 TensorFlow 初体验

《基于容器的 TensorFlow 初体验》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于容器的TensorFlow初体验1、TensorFlow介绍Tensorflow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网络中进行分析和处理的系统。TensorFlow本身也是一个采用数据流图（dataflowgraphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则

2、表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让用户可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。数据流图用“结点”（nodes）和“线”（edges）的有向图来描述数学计算。“节点”一般用来表示施加的数据操作，但也可以表示数据输入（feedin）的起点／输出（pushout）的终点，或者是读取／写入持久变量（persistentvaliable）的终点。“线”表示“节点”之间的输入／输出关系。这些数据“线”可以输入“size可动态调整”的多维数据数组，即“张量”（tensor）。

3、张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各中计算设备完成异步并行地执行运算。2、TensorFlow的特征（1）高度的灵活性TensorFlow不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用TensorFlow。用户可以构建图，描写驱动计算的内部循环。框架提供了游泳的工具来帮助用户组装“子图”（常用于神经网络），当然用户也可以自己在TensorFlow基础上写自己的“上层库”。定义顺手好用的新复合操作呵写一个python函数一样容易，而且也不用担心

4、性能损耗。当然万一用户发现找不到想要的底层数据操作，也可以自己写一点c++代码来丰富底层的操作。（2）真正的可移植性（Portability）TensorFlow在CPU和GPU上运行，比如可以运行在台式机、服务器、手机移动设备等等。想要在没有特殊硬件的前提下，在笔记本上跑一下机器学习的新算法，TensorFlow可以实现。准备将训练模型在多个CPU上规模化运算，又不想修改代码？TensorFlow可以实现。想要将训练好的模型作为产品的一部分用于手机app上？TensorFlow可以实现。同时TensorFlow支持将训练模型作为云端服务运行在自己的服务器

5、上，同时支持Docker容器化的运行。（3）将科研和产品联系在一起在Google，科学家用TensorFlow尝试新的算法，产品团队则用TensorFlow来训练和使用计算模型，并直接提供给在线用户。使用TensorFlow可以让应用型研究者将想法迅速运用到产品中，也可以让学术型研究者更直接地彼此分享代码，从而提高科研产出率。3、TensorFlow的容器化部署为了实现真正的可移植性，Google公司真正将TensorFlow封装到容器中，在Dockerhub中提供了可供下载的TensorFlow的容器镜像。这样就避免在安装部署TensorFlow前期所需

6、要准备大量的环境等等。根据dockerhub网站上所提供的TensorFlow发布镜像。具体网址如下：https://hub.docker.com/r/tensorlfow/tensorflow目前TensorFlow提供了两个版本的TensorFlow容器镜像：StartCPUonlycontainer$dockerrun-it-p8888:8888tensorflow/tensorflowStartGPU(CUDA)container$dockerrun-it-p8888:8888tensorflow/tensorflow:latest-gpu结合用户

7、自己的实际情况分别选择不同的容器镜像运行。通过执行上述的容器启动命令，就可以在本地http://localhost:8888访问Tensorflow界面。4、TensorFlow操作初体验TensorFlow提供一个简易的用户操作界面，取名叫“Jupyter”，主要提供三个界面入口，Files、Running以及Clusters。小编的Tensorflow容器是部署在10.1.131.37上面的。输入如下指令：$dockerrun-it-p8888:8888同时在浏览器中，输入如下网址：http://10.1.131.37:8888就得到如下界面。其中在“

8、Files”中有几个TensorFlow提供的基于python2的