Docker使用TensorFlow Serving

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

---

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/servingcd serving/tensorflow./configurecd ..bazel test tensorflow_serving/...

构建过程总结

mkdir dockercd dockervim 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:V1docker 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 imagesdocker 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 dockercd dockervim 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…………