这篇文章主要介绍“Docker部署tensorflow-gpu-jupyterlab的过程”，在日常操作中，相信很多人在Docker部署tensorflow-gpu-jupyterlab的过程问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Docker部署tensorflow-gpu-jupyterlab的过程”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
docker pull tensorflow/tensorflow:latest-gpu-jupyter
下载完成后查看docker images
nvidia-docker run -d \
-v /home/work/heyile:/tf/lab \
-p 8880:8888 \
--name hyllab \
tensorflow/tensorflow:latest-gpu-jupyter
创建后通过docker ps查看容器进程:
通过docker logs hyllab查看启动日志
因为这个镜像都是默认启动jupyter notebook，而jupyter lab比较好看，我们把jupyter lab也集成进来：
docker exec -it hyllab bash
pip install jupyterlab下载完成后退出。
容器默认是启动jupyter notebook的，我们通过修改容器的配置文件修改启动命令。
docker ps记下containerid
如图：containerid :bc05d4cfd3f6
docker stop hyllab停止容器。
切换目录到docker程序目录下的以containerid开头的目录，如下：
cd /var/lib/docker/containers/bc05d4cfd3f6895bc9ac3bf1d194a8de127634887d8f994a5de809a56caad422
vi config.v2.json 如下图，将2个位置的jupyter notebook启动命令改成jupyter lab，下图是已经修改完成的。
然后，重启docker服务systemctl restart docker，然后启动tensorflow容器，比如docker start hyllab
查看日志可以看到已经启动jupyter lab服务。
docker logs hyllab
通过登录jupyter lab地址http://127.0.0.1:8888/?token=874de4249fcb11143ca2e0db722a146e758b014243f4ee05可以登录成功
docker exec -it hyllab bash进如容器内，执行nvidia-smi查看gpu列表
通过jupyter lab执行代码可以查看GPU
到此，关于“Docker部署tensorflow-gpu-jupyterlab的过程”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
