1，關於TensorFlow

TensorFlow 隨著AlphaGo的勝利也火了起來。
google又一次成為大家膜拜的大神了。google大神在引導這機器學習的方向。
同時docker 也是一個非常好的工具，大大的方便了開發環境的構建，之前需要配置安裝。
看各種文件，現在只要一個 pull 一個 run 就可以把環境弄好了。
同時如果有寫地方需要個性化定製，直接在docker的映象上面再加一層補丁就好了。
自己的需求就能滿足了，同時還可以將這個通用的方法分享出去。

2，下載TensorFlow images

使用hub.docker.com的映象

docker pull tensorflow/tensorflow:latest
 

使用daocloud 的映象，在國內用速度還是挺快的，如果docker.io的映象慢，可以用daocloud的。
這個速度非常的快。一樣用的。版本也挺新的。

docker pull daocloud.io/daocloud/tensorflow:latest 

3，啟動映象

啟動命令，設定埠，同時配置volume 資料卷，用於永久儲存資料。加上 –rm 在停止的時候刪除映象。

sudo mkdir -p /data/tensorflow/notebooks
docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p
 
 8888:8888 daocloud.io/daocloud/tensorflow:latest

啟動的時候並不是daemon 模式的，而是前臺模式，同時顯示了執行的日誌。

W 06:48:13.425 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended.
[I 06:48:13.432 NotebookApp] Serving notebooks from local directory: /notebooks
[I 06
 
:48:13.432 NotebookApp] 0 active kernels 
[I 06:48:13.432 NotebookApp] The Jupyter Notebook is running at: http://[all ip addresses on your system]:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642
[I 06:48:13.433 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 06:48:13.433 NotebookApp] 

    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://localhost:8888/?token=2031705799dc7a5d58bc51b1f406d8771f0fdf3086b95642

開啟瀏覽器就可以直接看到介面了。

同時可以編輯內容：

寫第一個 hello world：

import tensorflow as tf
a = tf.constant(10)
b = tf.constant(32)

with tf.Session():
    c = tf.add(a,b)
    print(c)
    print(c.eval())

5，打個補丁

vi run_jupyter.sh

#!/usr/bin/env bash
jupyter notebook --no-browser --NotebookApp.token='token1234' > /notebooks/jupyter-notebook.log 

然後重新打一個docker映象。
vi Dockerfile

FROM daocloud.io/daocloud/tensorflow:latest
RUN rm -f /run_jupyter.sh
COPY run_jupyter.sh /run_jupyter.sh
ENTRYPOINT ["/run_jupyter.sh"]

這樣就固定token了。

docker build -t mytf:1.0 .
docker run -it --rm --name myts -v /data/tensorflow/notebooks:/notebooks -p 8888:8888 -d mytf:1.0

然後就可以 -d 引數，將docker 執行放到後臺。然後就可以使用 docker exec -it xxx bash 登入進去檢視系統的狀況了。

4，總結

docker 真的是非常好的技術，能夠快速的搭建好環境，省去了繁瑣的安裝配置過程。
最後使用引數將環境跑起來，同時也可以根據自己的需求，給映象增加新的功能，就像是蓋房子。
一層一層的蓋。所有的層，構成了一個整體的房子。
同時對於 TensorFlow 來說是一個程式設計師必須的技能了。就像是 lucence一樣，其實大家都不太瞭解那個索引演算法的。
但是還是可以創建出一個索引分詞來。
TensorFlow 也是一樣的。當做一個工具來使用就好了，具體的演算法也不太精通。
有一個說法，資料量上去了，用大資料優化，比演算法優化要效果好。