TensorFlow Workshop：在云虚拟机上使用Docker部署TensorFlow环境

前言

TensorFlow作为当前最流行的机器学习框架之一，其环境配置对于初学者来说可能是个挑战。本文将详细介绍如何在Google Cloud Platform（GCP）上通过Docker容器快速搭建TensorFlow开发环境，特别适合参加TensorFlow Workshop的学员使用。

准备工作

1. 注册Google Cloud Platform账号

首先需要注册GCP账号，新用户可获得300美元的免费额度。注册过程需要信用卡验证，但在试用期内不会产生费用。

2. 启用必要API服务

登录GCP控制台后，需要启用以下服务：

1. 创建或选择项目
2. 在API管理界面中搜索并启用"Google Compute Engine API"

环境搭建步骤

3. 创建容器优化型虚拟机

通过Cloud Shell执行以下命令创建虚拟机实例：

gcloud compute instances create workshop \
    --image-family gci-stable \
    --image-project google-containers \
    --zone us-central1-b --boot-disk-size=100GB \
    --machine-type n1-standard-1

此命令将创建一个配置为：

• 100GB磁盘空间
• n1-standard-1规格的虚拟机
• 位于us-central1-b区域

4. 配置防火墙规则

允许外部访问Jupyter Notebook和TensorBoard服务端口：

gcloud compute firewall-rules create workshop --allow tcp:8888,tcp:6006

5. 连接到虚拟机实例

通过GCP控制台的Compute Engine界面：

1. 记录实例的外部IP地址
2. 使用浏览器内SSH功能连接到实例

TensorFlow容器部署

6. 启动TensorFlow Docker容器

在SSH会话中运行：

docker run -it -p 8888:8888 -p 6006:6006 tensorflow/tensorflow:1.3.0 bash

此命令将：

• 下载TensorFlow 1.3.0官方镜像
• 映射8888(Jupyter)和6006(TensorBoard)端口
• 启动交互式bash会话

7. 获取Workshop材料

在容器内克隆Workshop资源：

git clone tensorflow-workshop.git

8. 启动Jupyter Notebook服务

进入工作目录并启动服务：

cd tensorflow-workshop
jupyter notebook

启动后需要注意：

1. 复制控制台输出的访问令牌
2. 通过本地浏览器访问<外部IP>:8888
3. 使用令牌完成认证

环境验证

在Jupyter界面中打开examples/00_test_install.ipynb文件并执行，确认TensorFlow环境正常工作。

环境清理

Workshop结束后，可选择以下操作：

1. 完全删除实例（将永久删除所有数据）：

gcloud compute instances delete --zone us-central1-b workshop

2. 暂时停止实例（保留数据，停止计费）：

gcloud compute instances stop --zone us-central1-b workshop

3. 删除防火墙规则：

gcloud compute firewall-rules delete workshop

最佳实践建议

1. 对于长期项目，建议考虑使用持久化存储
2. 根据计算需求调整虚拟机规格
3. 定期备份重要笔记本文件
4. 使用虚拟环境管理Python依赖

通过这种方式搭建的TensorFlow环境隔离性好，配置简单，特别适合教学和短期项目使用。