docker tensorflow教程

### Docker 中使用 TensorFlow 的教程

#### 安装并设置 Docker
为了在 Docker 上运行 TensorFlow，需先安装 Docker。对于 Windows 用户来说，在 WSL (Windows Subsystem for Linux) 下配置 Docker 是一种高效的方法[^1]。

#### 获取 TensorFlow Docker 映像
通过命令行获取官方的 TensorFlow 映像非常简单：

docker pull tensorflow/tensorflow:latest-py3

这条命令会下载最新的支持 Python 3 的 TensorFlow 版本到本地机器上。

#### 启动容器
启动带有 TensorFlow 的交互式 Bash 终端可以这样操作：

docker run -it --rm tensorflow/tensorflow:latest-py3 bash

这将创建一个新的临时容器，并允许用户进入该环境来试验 TensorFlow 功能。

#### 运行简单的 TensorFlow 应用程序
一旦进入了上述提到的交互环境中，则可以直接导入 TensorFlow 并尝试一些基本的操作:

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

这段代码将会打印出一个随机矩阵各元素求和的结果，验证了 TensorFlow 是否正常工作[^2]。

#### 构建自定义应用镜像
如果计划开发更复杂的应用或模型训练任务，建议构建自己的 Dockerfile 来定制化所需的工作环境。下面是一个基础的例子：

FROM tensorflow/tensorflow:latest-gpu
WORKDIR /usr/src/app
COPY . .
CMD ["python", "./train.py"]

此文件指定了基于 GPU 加速版 TensorFlow 创建的新映像，复制当前目录下的所有文件至 `/usr/src/app` 文件夹内，并设定了默认执行指令为 `python train.py`。