Docker使用TensorFlow Serving

参考:https://tensorflow.google.cn/serving/docker


  • Docker安装
  • 哪些容器存在
  • 构建一个镜像
  • 运行一个容器
  • 构建过程总结

这个目录包含Dockerfiles,使得通过Docker启动和运行TensorFlow服务变得非常容易。

Docker安装

一般安装说明在Docker网站上,但是我们在这里给出一些快速链接:

  • OSX:码头工具箱
  • Ubuntu

哪些容器存在?

我们目前维护以下Dockerfiles:

Dockerfile.devel,这是一个最小的VM,具有构建TensorFlow服务所需的所有依赖关系。

Dockerfile.devel-gpu

构建一个镜像

docker build --pull -t $USER/tensorflow-serving-devel -f Dockerfile.devel .

运行一个容器

这假定你已经建立了镜像

Dockerfile.devel:使用开发容器克隆和测试TensorFlow Serving 存储库。

运行容器;

docker run -it $USER/tensorflow-serving-devel

在正在运行的容器中克隆,配置和测试Tensorflow Serving;

git clone --recurse-submodules https://github.com/tensorflow/serving
cd serving/tensorflow
./configure
cd ..
bazel test tensorflow_serving/...

构建过程总结

mkdir docker
cd docker
vim Dockerfile
# 写入 https://github.com/tensorflow/serving/blob/master/tensorflow_serving/tools/docker/Dockerfile.devel 中的内容

# 构建镜像
docker build -t 781708249/tf_serving:V1 .
"""
参数说明:
-t :指定要创建的目标镜像名以及tag
. :Dockerfile 文件所在目录,也可以指定Dockerfile 的绝对路径
"""

# 查看构建的镜像
docker images / docker image ls

# 使用该镜像运行容器
# 1、运行交互式的容器 缺点 一旦退出 容器就会被关闭
docker run -i -t 781708249/tf_serving:V1 /bin/bash

# 2、后台启动
# docker run -d -P --name V1 781708249/tf_serving:V1
docker run -d -P --name V1 781708249/tf_serving:V1 /bin/sh -c "while true; do echo hello world; sleep 1; done"
docker ps -ls #查看后台运行的容器
docker exec -it 容器ID/容器名 /bin/bash # 进入容器

# 保存容器
docker commit -m="has update" -a="Mr.wu" e218edb10161 781708249/tf_serving:V2
"""
各个参数说明:

-m:提交的描述信息
-a:指定镜像作者
e218edb10161:容器ID (不是镜像ID)
781708249/tf_serving:V2:指定要创建的目标镜像名
"""
# 设置镜像标签
docker images
docker tag 镜像ID 781708249/tf_serving:V3

# 发布镜像
docker login -u 用户名 -p 密码  # 登录到docker hub  
# docker logout 退出
docker push 781708249/tf_serving:V2  # 上传到存储库

# 从远程存储库中提取并运行镜像
docker run -p 4000:80 781708249/tf_serving:V2

或者

mkdir docker
cd docker
vim Dockerfile.devel
# 写入 https://github.com/tensorflow/serving/blob/master/tensorflow_serving/tools/docker/Dockerfile.devel 中的内容

# 构建镜像
docker build --pull -t $USER/tensorflow-serving-devel -f Dockerfile.devel .

# 运行容器
docker run -it $USER/tensorflow-serving-devel

……
……

你可能感兴趣的:(tensorflow)