概述：基于Docker的TensorFlow机器学习框架搭建和实例源码解读，TensorFlow作为最火热的机器学习框架之一，Docker是的容器，可以很好的结合起来，为机器学习或者科研人员提供便捷的机器学习开发环境，探索人工智能的奥秘，容器随开随用方便快捷。源码解析TensorFlow容器创建和示例程序运行，为热爱机器学者降低学习难度。

默认机器已经装好了Docker（Docker安装和使用可以看我另一篇博文：Ubuntu16.04安装Docker1.12+开发实例+hello world+web应用容器）。

1.下载TensorFlow镜像

docker pull tensorflow/tensorflow #或者 #sudo docker pull tensorflow/tensorflow

2.创建TensorFlow容器，源码解读

docker run --name xiaolei-tensortflow -it -p 8888:8888 -v ~/tensorflow:/notebooks/data tensorflow/tensorflow docker run运行镜像， --name为容器创建别名， -it保留命令行运行， -p 8888:8888将本地的8888端口http://localhost:8888/映射， -v ~/tensorflow:/notebooks/data 将本地的~/tensorflow文件夹挂载到新建容器的/notebooks/data下（这样创建的文件可以保存到本地~/tensorflow） tensorflow/tensorflow为指定的镜像，默认标签为latest（即tensorflow/tensorflow:latest）

3.开启TensorFlow容器

3.1.可以直接从命令行中右键打开连接，或者在浏览器中输入localhost:8888，然后将命令行中的token粘贴上去。

4.开始TensorFlow编程(Python语言)

4.1.在首页可以New一个Python项目

4.2.tensorflow示例源码解读

from __future__ import print_function #导入tensorflow import tensorflow as tf #输入两个数组，input1和input2然后相加，输出结果 with tf.Session(): input1 = tf.constant([1.0, 1.0, 1.0, 1.0]) input2 = tf.constant([2.0, 2.0, 2.0, 2.0]) output = tf.add(input1, input2) result = output.eval() print("result: ", result)

4.3.运行程序，输出的结果为（运行成功）

result: [ 3. 3. 3. 3.]

5.其他 linux,TensorFlow,Docker相关操作

5.1.关闭TensorFlow和开启TensorFlow环境

#关闭tensorflow容器 docker stop xiaolei-tensortflow #开启TensorFlow容器 docker start xiaolei-tensortflow #浏览器中输入 http://localhost:8888/

5.2.解决文件的读写权限

#查看读写权限 ls -l #将tensorflow 变为属于xiaolei（系统默认）用户 sudo chown -R xiaolei tensorflow/ #将tensorflow 变为属于xiaolei（系统默认）用户组 sudo chgrp -R xiaolei tensorflow/ 相关资源：基于docker安装tensorflow的完整步骤