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/tensorflow2.创建TensorFlow容器，源码解读
docker run --name xiaolei-tensortflow -it -p 8888:8888 -v ~/tensorflow:/notebooks/data tensorflow/tensorflowdocker 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/
