docker源码编译 linux_Tensorflow在Docker中运行和源码编译
本文分享在在Docker中运行Tensorflow和进行源码编译的方法和步骤，包括：编译、构建docker镜像、创建和运行Docker容器。部署完的容器可以通过Jupyter Notebook进行访问。
1、运行Tensorflow容器
快速运行
docker run --name tensorflow -it -p 9888:8888 gcr.io/tensorflow/tensorflow
然后，打开浏览器，按照提示将URL地址输入浏览器即可访问。
注意，系统缺省使用的端口是8888，但这个端口被很多网络服务使用，这里改为9888，将相应的网址改为：http://localhost:9888即可访问。
自动重启
如果让其作为服务方式运行，可以加上参数--restart always让其自动重启。
docker run --name tensorflow --restart always -it -p 9888:8888 gcr.io/tensorflow/tensorflow
使用DockerHub
有的地方访问不到gcr.io的镜像，可以使用 hub.docker.com 的镜像。
docker run --name tensorflow --restart always -it -p 9888:8888 tensorflow/tensorflow
基于GPU的Docker
基于GPU的Docker运行需要使用专用的Docker engine版本，安装参考：【https://github.com/NVIDIA/nvidia-docker 】，然后使用下面的方法启动：
nvidia-docker run --name tensorflow --restart always -it -p 9888:8888 gcr.io/tensorflow/tensorflow:latest-gpu
2、构建Docker镜像
如何自己构建Docker镜像呢？
Docker的构建代码位于项目子目录中：tensorflow/tools/docker
按照如下方法构建：
docker build --pull -t $openthings/tensorflow -f Dockerfile .
其他版本参考上面的方法构建。
注意：上面的构建和运行都是基于预构建的版本，为了性能优化、支持特定操作系统和硬件版本，需要
自行从源码编译。
3、Tensorflow源码编译
Tensorflow支持多种系统，因此需要编译相应的版本，包括：
CPU版本
GPU版本
Android版本
iOS版本
主版本采用Bazel进行build，Android版本和iOS版本需要使用tensorflow/contrib/makefile或tensorflow/contrib/cmake中的方法使用make或cmake进行构建。
自动化编译方法
如果自己手工编译参考下面的方法和过程。
目前Tesnorflow的编译在Linux上比较顺利，在macOS和Windows上会遇到各种小问题。这里我通过运行于macOS上的Docker来编译。
创建bazel的docker容器
创建Dockerfile-bazel，内容如下：
FROM ubuntu:14.04
MAINTAINER [email protected]
RUN apt-get update && apt-get install -y --no-install-recommends \
build-essential \
cmake \
curl \
git \
wget \
libatlas-base-dev \
libboost-all-dev \
libgflags-dev \
libgoogle-glog-dev \
libhdf5-serial-dev \
libleveldb-dev \
liblmdb-dev \
libopencv-dev \
libprotobuf-dev \
libsnappy-dev \
protobuf-compiler \
python-pip \
python-wheel \
python-dev \
python-numpy \
python-scipy \
software-properties-common
# =========Install JDK8.====================================================
# Define commonly used JAVA_HOME variable
ENV JAVA_HOME /usr/lib/jvm/java-8-oracle
RUN echo ">>>>>> Install JDK8,PWD: "$PWD &&\
echo oracle-java8-installer shared/accepted-oracle-license-v1-1 select true | debconf-set-selections &&\
add-apt-repository -y ppa:webupd8team/java &&\
apt-get update &&\
apt-get install -y oracle-java8-installer
# =========Install bazel.===================================================
RUN echo ">>>>>> Install bazel,PWD: "$PWD &&\
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | \
tee /etc/apt/sources.list.d/bazel.list &&\
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add - &&\
apt-get update && \
apt-get install -y bazel &&\
echo ">>>>>> Success install bazel,PWD: "$PWD
#apt-get upgrade bazel
#wget https://github.com/bazelbuild/bazel/releases/tag/0.4.3 -O bazel
WORKDIR /workspace
ENTRYPOINT ["/bin/bash"]
#CMD ["/bin/bash"]
创建bazel容器的构建脚本：
docker build -t openthings/bazel -f Dockerfile-bazel .
使用bazel容器编译tensorflow
创建构建脚本：
echo ">>> First, please run ./confgiure to config. "
echo "Run bazel build......"
docker run -ti -v $PWD:/workspace openthings/bazel build-tf.sh
由于使用bazel需要预先运行./configure进行配置，第一次编译时，使用下面的脚本直接进入容器中进行配置和编译操作：
echo ">>> First, please run ./confgiure to config. "
echo "Run bazel build......"
docker run -ti -v $PWD:/workspace openthings/bazel