docker︱在nvidia-docker中使用tensorflow-gpu/jupyter
docker小白… 搭建基础:宿主机已经有CUDA8.0 进出快捷键: ctrl+d 退出容器且关闭, docker ps 查看无 ctrl+p+q 退出容器但不关闭, docker ps 查看有 使用docker restart命令重启容器 使用docker attach命令进入容器 文章目录 一、安装 二、nvidia-smi的使用 1、拉取镜像、开启容器 2.上传容器与创建镜像 3.容器与镜像删减 . 4.容器改名 5.容器的保存 . 6.在tensorflow容器中打开Jupyter notebook 主题换色(参考:https://github.com/dunovank/jupyter-themes): 延伸一:如果修改Jupyter notebook密码 延伸二:报错:OSError: [Errno 99] Cannot assign requested address . 7.在容器中打开nvidia/digits 三、tensorflow安装 延伸: 延伸二: 延伸三:上传至阿里云 延伸三:docker 之中screen 与主机的环境不一样,py版本不一样 参考: 一、安装 参考: Docker Compose + GPU + TensorFlow = ❤️ Docker版本分为CE(community edution)和EE(enterprise edition)