【TensorFlow】Docker for Windowsで動かす機械学習！

2024年5月6日

TensorFlowを利用するプログラムの開発は進んでいますか？

今回は、以下のようなことで困っているあなたにDockerをオススメする記事を作成しました。

・TensorFlowを試してみたいけど、インストールが大変そう
・TensorFlowはバージョンアップ頻度が高くて、ついていくのが大変すぎる
・TensorFlow 1.5で開発を始めたプログラムが、最新のTensorFlowでも動作するか気になる

Dockerを使えば、TensorFlowを簡単に試せるし、最新バージョン以外のTensorFlowもインストールできるし、開発環境を汚さずに別バージョンのTensorFlowを試せます！

それでは、期待しながら読み進めてください！

Dockerコンテナを利用してTensorFlowを試そう

この記事では、以下の環境での操作を説明しています。

項目	説明
OS	Windows 10 Pro（64ビット）
Docker	Docker Community Edition for Windows
Dockerイメージ	CPU版TensorFlowをインストールしたDockerイメージ

先に「期待しながら」と書きましたが、ここで残念なお知らせを書いておきます。

WindowsでDockerを利用する場合は、GPU版TensorFlowは使用できません。
NVIDIAが提供しているnvidia-dockerは使用できません。

WindowsでGPU版TensorFlowを使用したい場合は、Dockerを使わずにWindowsに直接インストールしましょう。

インストール方法については、以下の記事で詳しく説明していますので、ぜひご覧ください。

【2019年度版】TensorFlow 1.5のインストール方法を解説！【Windows 10】

更新日：2024年11月15日

nvidia-dockerとは

nvidia-dockerは、DockerでGPU版TensorFlowを動作させるためのLinuxアプリケーションです。

現在は、Ubuntu、Debian、CentOS、Red Hat Enterprise Linux、Amazon Linuxで動作しますが、OSごとに対応するバージョンが異なります。

対応バージョンについて詳しくは、以下のサイトをご覧ください。

参考：https://nvidia.github.io/nvidia-docker/

2018年6月時点の最新リリースは、nvidia-docker 2.0.3で、2018年3月にリリースされました。

nvidia-dockerについては、以下のページをご覧いただくと正確な情報が確認できます。

参考：https://github.com/NVIDIA/nvidia-docker/wiki

繰り返しになりますが、この記事ではnvidia-dockerのインストール方法や操作方法は説明しません。

Docker Community Edition for Windowsをインストールしよう

では、Docker Community Edition for Windowsをインストールするところから始めましょう。

（1）https://store.docker.com/editions/community/docker-ce-desktop-windowsにアクセスして、「Get Docker」をクリックします。

Docker for Windows Installer.exeがダウンロードされます。

ダウンロードページにも記載されていますが、Docker Community Edition for Windowsは、Windows 10 Pro（64ビット）またはWindows 10 Enterprise（64ビット）にのみインストールできます。

Chromeを使っていると、ダウンロードが終わるまで空白のページが表示され続けるためとても不安になりますが、ダウンロードはされるはずです。

Chromeを使っていて不安になった場合は、Internet ExplorerやEdge、Firefoxを使うとすぐに反応するので安心できるでしょう。

（2）Docker for Windows Installer.exeを実行します。

（3）「Use Windows containers（省略）」のチェックが外れていることを確認し、「Ok」をクリックします。

Docker Community Edition for Windowsがインストールされます。

（4）「Close」をクリックします。

（5）スタートボタンをクリックし、「Docker for Windows」をクリックします。

（6）Dockerの評価とコメントを入力して、「Submit」をクリックします。

もちろん、何も入力せずに「Dismiss」をクリックしても大丈夫です。

（7）以下の画面が表示されたときは、「Ok」をクリックします。

Windowsが再起動して、WindowsのHyper-V機能が有効になります。

なお、Hyper-V機能を有効にするとVirtualBoxが動作しなくなります。

VirtualBoxを利用するときは、Hyper-V機能を無効にしてください。

ただし、Hyper-V機能を無効にするとDockerは動作しなくなります。

さて、初めてDocker Community Edition for Windowsが起動すると、以下の画面が表示されます。

これで、Docker Community Edition for Windowsのインストールは完了です。

Dockerコンテナを起動しよう

次は、TensorFlowが用意した公式のDockerイメージ（tensorflow/tensorflow）をダウンロードしてDockerコンテナを起動し、Jupyter Notebookにアクセスするまでの操作を説明しましょう。

（1）スタートボタンをクリックし、「Windows PowerShell」→「Windows PowerShell」の順にクリックします。

Windows PowerShell（以降、PowerShell）が起動します。

（2）「docker run -it -p 8888:8888 tensorflow/tensorflow」と入力し、Enterキーを押します。

初めて起動するときは、Dockerイメージ（tensorflow/tensorflow）のダウンロードが始まります。

Dockerイメージ（tensorflow/tensorflow）のダウンロードが終わると、Dockerコンテナが起動します。

※もし、以下のようなエラーメッセージが表示されてしまったときは…

C:\Program Files\Docker\Docker\Resources\bin\docker.exe: Error response from daemon: Get https://registry-1.docker.io/v2/: net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers).
See 'C:\Program Files\Docker\Docker\Resources\bin\docker.exe run --help'.

以下のサイトに書かれている設定を試してださい。

参考：http://satoyashiki.hatenablog.com/entry/2017/04/01/175604

（3）無事に以下の画面が表示されたら、指示されたURL（赤枠）にブラウザでアクセスします。

Jupyter Notebookが表示されます。

ここまでの操作で、Dockerイメージ（tensorflow/tensorflow）から作成したDockerコンテナで動作するJupyter Notebookに、Windows 10からアクセスしていることになります（文が長い…）。

ちなみに、Jupyter Notebookは、以下の記事でも軽く触れているようにPython開発環境で、コードとドキュメントを一箇所に残しておけるWebアプリケーションです。

AI開発に必須のPython！学習法を5つのステップで徹底解説

更新日：2024年10月31日

Jupyter Notebookが動作することを確認できたら、いったんDockerコンテナを終了しましょう。

（4）ブラウザは起動したままにして、PowerShellの画面をクリックして、Ctrlキーを押しながらCキーを押します。

（5）以下のように表示されたら、すぐに「y」と入力してEnterキーを押します。

Shutdown this notebook server (y/[n])?

Dockerコンテナが終了します。

ブラウザにJupyter Notebookが表示されたままなので、試しにリロードしてみると、確かに使用できなくなっていますね。

PowerShellのプロンプトで「docker ps」と入力してEnterキーを押すと、以下のように起動中のDockerコンテナがないことを確認できます。

CONTAINER ID        IMAGE               COMMAND             CREATED             STATUS              PORTS               NAMES

次に、「docker ps -a」と入力してEnterキーを押すと、Dockerイメージ（tensorflow/tensoflow）から作成したDockerコンテナ（boring_mirzakhani）が存在していることが確認できます。

CONTAINER ID        IMAGE                   COMMAND                  CREATED             STATUS                     PORTS               NAMES
f5aab85d6e69        tensorflow/tensorflow   "/run_jupyter.sh --a…"   12 minutes ago      Exited (0) 5 minutes ago                       boring_mirzakhani

ここに表示されているDockerコンテナのIDと名前は、起動するたびに適当に決定されます。

DockerコンテナでTensorFlowのMNISTに挑戦！

いよいよ、Dockerコンテナでbashを起動してTensorFlowのMNISTに挑戦します。

TensorFlow 1.5用に書かれた「A Guide to TF Layers: Building a Convolutional Neural Network」をやってみましょう。

Windowsでこのチュートリアルを動作させてみた記事がありますので、あわせてご覧ください！

【機械学習初心者必見】WindowsでTensorFlowを使っている画面を紹介！

更新日：2024年11月15日

（1）PowerShellを起動して、「docker run -it tensorflow/tensorflow bash」と入力し、Enterキーを押します。

Dockerイメージ（tensorflow/tensoflow）を初めて利用するときは、ダウンロードが始まりますが、上の手順でダウンロード済みです。

そのため、すぐに新しいDockerコンテナが起動して、以下のようなプロンプトが表示されます。

root@38029a303d08:/notebooks#

ここで「38029a303d08」は、DockerコンテナのIDです。

IDは、新しいDockerコンテナを起動するたびに新しいものが割り当てられますので、上の手順で「docker ps -a」と入力して表示されたIDとは、異なる文字列が表示されていると思います。

このDockerコンテナのIDは、あとで使いますので、どこかにメモしてください。

（2）「curl -OL https://github.com/tensorflow/tensorflow/raw/r1.5/tensorflow/examples/tutorials/layers/cnn_mnist.py」と入力し、Enterキーを押します。

cnn_mnist.pyがダウンロードされ、Dockerコンテナ内に保存されます。

新しいDockerコンテナを起動した場合は、改めてダウンロードする必要があります。

（3）「python cnn_mnist.py」と入力し、Enterキーを押します。

実行中は以下のような画面が表示されます。

残念ながら、WindowsでGPU版TensorFlowを動作させたときと比べると、27～28倍の時間がかかっていますね。

すぐには終わらなそうなので、Dockerコンテナの実行は継続したまま、いったんPowerShellを終了してみましょう。

（4）Ctrlキーを押しながらPキーを押し、続けてCtrlキーを押しながらQキーを押します。

以下の画面のようにPowerShellのプロンプトに戻ります。

この状態は、Dockerコンテナは動作が継続し、PowerShellに戻ってきた状態です。

（5）「exit」と入力し、Enterキーを押します。

PowerShellは終了しましたが、Dockerコンテナの動作は継続しています。

次に、現在のDockerコンテナでの計算状況を確認してみます。

（6）もう一度PowerShellを起動し、「docker attach 38029a303d08」と入力して、Enterキーを押します。

ここで「38029a303d08」は、手順（1）を実行したときにメモしたDockerコンテナのIDです。

すこし待つ必要がありますが、以下のような画面が表示されます。

確かに動作が継続しているようです。

このようにPowerShellを終了しておけば、誤ってDockerコンテナを停止してしまい、長くかかった学習を不用意に停止してしまうことを防げます。

計算時間がかかりそうな場合は、いったんPowerShellを終了しておくと良いでしょう。

ほかのバージョンのTensorFlowを使用する

TensorFlowのバージョンを指定する場合は、ほかのDockerイメージを使います。

たとえば、TensorFlow 1.5.1を試したい場合は、以下のコマンドを入力します。

docker run -it tensorflow/tensorflow:1.5.1 bash

「1.5.1」のところを「1.6.0」にすれば、TensorFlow 1.6.0を試せます。

ただ、ここに指定できる文字列（タグと呼びます）には制限があり、たとえば「1.4」は指定できません。

指定できるタグについては、以下のサイトで確認してください。

参考：https://hub.docker.com/r/tensorflow/tensorflow/tags/

Dockerコンテナを片付ける

最後に、Dockerコンテナを片付ける操作を確認して、この記事を終わりにしましょう。

すべてPowerShellのプロンプトでコマンドを入力します。

なお、「38029a303d08」は、DockerコンテナのIDですので、お使いのDockerコンテナのIDを入力してください。

DockerコンテナのIDは、以下のコマンドで確認できます。

docker ps -a

Dockerコンテナを停止する

以下のコマンドを入力すると、起動中のDockerコンテナを停止できます。

docker stop 38029a303d08

Dockerコンテナを停止すると、Dockerコンテナで実行していたプログラムはすべて停止します。

Dockerコンテナを削除する

停止しているDockerコンテナを削除できます。

docker rm 38029a303d08

Dockerコンテナを削除すると、Dockerコンテナ起動後に変更したファイルがすべて元に戻り、作成したファイルやダウンロードしたファイルは削除されます。

今回説明した手順では「cnn_mnist.py」をダウンロードしましたが、この「cnn_mnist.py」が削除されます。

Dockerイメージを削除する

Dockerイメージ（tensorflow/tensorflow）から作成したDockerコンテナをすべて削除すれば、Dockerイメージも削除できます。

docker rmi tensorlow/tensorflow

Dockerイメージを保存しておくには、Windows 10のストレージ容量が必要です。

Dockerイメージ（tensorflow/tensorflow）は、ファイルサイズが大きく約1.3GBを超えていますので、不要になったら削除しましょう。

まとめ

今回は、Docker Community Edition for WindowsをWindows 10 Proにインストールし、TensorFlow公式のDockerイメージ（tensorflow/tensorflow）を利用して、CPU版TensorFlowを動作させる方法を紹介しました。

Dockerイメージを利用することで、簡単にCPU版TensorFlowを動作させられることが分かっていただけたと思います。

ただ、GPU版TensorFlowと比べてしまうと、圧倒的に遅いことが残念です。

TensorFlowで利用できるGPUがあるなら、頑張ってGPU版TensorFlowをインストールして、そちらを使うことをオススメします！

それでは。