Tensorflow學習筆記(一)環境配置
目標：完成tensorflow的環境配置
寫在前面：第一次構建神經網路，本來想用Tensorflow的……但是Windows上使用Tensorflow需要用Docker,然後在使用過程中掛載磁碟一直報錯（mount:permission denied）……
使用Docker安裝Tensorflow的教程我使用的是在Windows上玩TensorFlow(一)——安裝Docker
因為在國內下載tensorflow一直有問題，所以我在這個部落格找了打包好的檔案，然後匯入就可以了。
資料集
使用的資料集是MNIST的資料集，也是Tensorflow的入門教程裡提到的，下載地址在THE MNIST DATABASE of handwritten digits
注意：
1.資料集中的圖片格式不是常見的格式，需要自己編寫程式讀取；
2.資料集的資料如果是以包圍盒中心而不是以聚集中心進行分類的話，會提高錯誤率；
3.SD-3的資料來自工作人員，SD-1的資料來自高中生，SD-3的資料會更乾淨一些，所以SD-3的資料更容易識別，但是實驗需要把這些資料混合（下載的資料已經將這些都弄好了）
Docker
因為是windows系統……很多軟體只能在Linux的平臺上用，然而裝個Linux什麼的又實在虐心，所以Docker就是一個很好的選擇。
什麼是Docker
Docker的核心是LXC，Linux Container 容器，是一個輕量級的虛擬化技術。它的概念與虛擬機器差不多，就是將各種程式打包放在合適的平臺上執行，但是不同點是：它不包含作業系統核心
普通的虛擬機器：將需要執行的程式放在完整的作業系統中，虛擬作業系統執行在虛硬體平臺上
Docker：是LXC的一種高階封裝，Docker的操作下，容器直接執行在宿主作業系統上，每個容器之間互不干擾。
Docker引擎
Docker的引擎分為三個部分，從底至上分別是：
1.Server：Docker的Server是一個一直執行的虛擬程序，可以實現容器、映象的建立和管理。
2.REST API：與虛擬程序的通訊介面
3.Commend Line Interface: 命令列介面，互動入口
Docker架構
Docker是CS架構，使用者通過客戶端來操作核心。
Docker Image：【構成元件】Docker映象是一個只讀的模版，所以同一個Docker的Ubuntu系統可以用來建立多個容器，而所有的容器中的操作都不會影響這個映象。要實現這一點，就需要將使用者的所有操作都控制在同一層，這一層就叫做Docker Container
Docker Container：【執行元件】這個就像一個資料夾，包含了所有專案需要的檔案，各個Container之間互不影響。
Docker Registries：【分佈元件】用來儲存各種映象檔案，網上有各種Docker映象，可以下載。
Docker 執行
一個容器包含了作業系統、使用者檔案、元資料。每次建立一個容器就會在只讀映象上建立一個讀寫層。
$ docker run -i -t ubuntu /bin/bash執行一個Docker容器，Docker引擎會……
1.檢查映象，如ubuntu，如果存在，就根據這個映象建立一個容器
2.建立檔案系統和一個讀寫層
3.分配網路/橋介面
4.找一個IP
5.執行程式
6.輸出執行結果
Docker Engine & Docker Machine
一般大家說Docker 都是指Docker Engine，然而！我安裝的其實是Docker Machine！
在Linux系統上，直接用Docker Engine就可以了，如果要同時控制多個Docker 主機，或者分散式架構的話，就需要Docker Machine了。
Docker Machine的命令都是docker-machine 開頭的，Docker Engine的命令是docker開頭的。
使用Docker Machine
根據上一篇部落格內容，建立的ron-docker 的docker machine之後，安裝好了tensorflow。
1. 啟動ron-machine
2. 輸入 docker-machine env ron-docker
Init...
ron-docker is shutdown.
Starting "ron-docker"...
(ron-docker) Check network to re-create if needed...
(ron-docker) Waiting for an IP...
Machine "ron-docker" was started.
Waiting for SSH to be available...
Detecting the provisioner...
Started machines may have new IP addresses. You may need to re-run the `docker-machine env` command.
Configuring Environment...
Init Finished.
[email protected]:/# docker-machine env ron-docker
bash: docker-machine: command not found//已經進入ron-docker 所以不能使用docker-machine的命令了
[email protected]:/# uname -a //檢視ron-docker的資訊
Linux ca56af647b49 4.4.17-boot2docker #1 SMP Mon Aug 15 17:12:38 UTC 2016 x86_64 x86_64 x86_64 GNU/Linux- 埠轉發
在VirtualBox完成了埠轉發（8080）之後，
docker run -it -p 8080:8080 b.gcr.io/tensorflow/tensorflow，
然後在cmd中docker-machine ip ron-docker檢視ron-docker的ip192.168.99.100
http://192.168.99.100:8080/ 進入這個頁面卻發現“拒絕連線請求”ERR_CONNECTION_REFUSED
然後發現是因為容器裡沒有執行 run_jupyter.sh 檔案，網上的教程裡會說這個程式是自動執行的，而實際上沒有，所以要單獨執行才能在宿主機器的瀏覽器中看到這個網頁。 - 掛載磁碟
一開始我在docker-machine裡掛載磁碟的時候使用mount命令都會提示permission denied的提示，後來發現是因為許可權問題？不過為了解決4,5兩個問題的方法就是通過
docker run -it -p 8888:8888 -v /home/project/data:/data b.gcr.io/tensorflow/tensorflow bash這個命令開啟docker machine就可以了。
到現在開始——tensorflow的環境就配置好了。接下來就是tensorflow的學習啦~