tensorflow docker 예제

태그 tf로 이미지를 빌드한 후(예: 도커 실행을 사용하여 이미지를 실행합니다) 이제 VSCode에서 두 개의 도커 이미지가 표시됩니다 (docker 확장을 설치했습니다.). 카이마틱 또는 단순히 터미널을 사용하여 이를 확인할 수도 있습니다. 이 폴더에 두 개의 파일을 드롭, 다음 내용으로 “dockerfile”라는 하나, Tensorflow 개체 감지 API는 다음 라이브러리에 따라 달라집니다 : 도커 이미지의 대부분은 docker 허브에 이미 있습니다. 허브에서 이미지 이름을 지정하여 docker를 실행하면 이미지가 자동으로 다운로드되고 컨테이너로 실행됩니다. 텐서플로우는 이전 섹션의 트릭에서 작동합니다. 이제 디스크에 새 폴더를 만드십시오! 이 폴더를 모든 Tensorflow 작업에 대한 “코드” 또는 “개발자” 폴더로 생각하십시오. 첫째, 왜 이렇게 합니까? Tensorflow + python3을 설정하려면 설치해야 하는 많은 물건이 필요하고 영원히 걸리며, 격리가 가장 좋습니다. 또한이 방법은 윈도우와 맥 및 리눅스에서 작동합니다. 그리고 이것은 지금까지 롤링을 얻을 수있는 가장 쉬운 / 깨끗한 방법입니다. GPU 지원 이미지를 설정하는 데 시간이 걸릴 수 있습니다. GPU 기반 스크립트를 반복적으로 실행하는 경우 docker exec을 사용하여 컨테이너를 재사용할 수 있습니다. 지금은 그게 전부입니다.

개체 검색 예제를 실행하려면 모든 종속성을 설치해야 합니다. 설치 페이지에서 찾을 수 있는 모든 단계입니다. dockerfiles 디렉터리에서 Dockerfiles는 헬퍼 파일에서 복사할 README.md 있는 디렉터리로 빌드 컨텍스트를 설정해야 합니다. 예: 먼저 텐서플로우 서빙의 최적화된 버전을 빌드할 것입니다. 이 작업을 수행하는 가장 쉬운 방법은 공식 텐서플로우 제공 개발 환경 Docker 이미지를 빌드하는 것입니다. 이것은 이미지가 구축되는 시스템에 대해 최적화된 TensorFlow 서빙 바이너리를 자동으로 생성하는 좋은 속성을 가지고 있습니다. 생성된 이미지를 공식 이미지와 구분하기 위해 이미지 이름에 $USER/미리 게시할 예정입니다. $USER/텐서플로우-서빙-디벨을 구축하는 이 개발 이미지를 호출해 보겠습니다: tensorflow_model_server는 서빙 도커 컨테이너에 전달할 수 있는 많은 추가 인수를 지원합니다. 예를 들어 모델 이름을 지정하는 대신 모델 구성 파일을 전달하려는 경우 다음을 수행할 수 있습니다. 첫 번째 링크는이 도구에 더 익숙해 안녕하세요 TensorFlow 노트북입니다.

Geplaatst in Geen categorie