andrie/reticulate

tensorflowr：支持R深度学习的Docker仓库

镜像列表

仓库详情

andrie/reticulate

该仓库适用于测试任何通过reticulate包连接Python的R代码。基于https://hub.docker.com/r/rocker/rstudio/构建，包含以下内容：

• Python 3.4.2
• Anaconda
• R包：
  • 常用开发工具（devtools、roxygen2、rmarkdown）
  • Rcpp
  • reticulate（R与Python的接口层，来自CRAN）

andrie/tensorflowr

该仓库构建了两个包含tensorflow（https://www.tensorflow.org/）和`keras`（https://keras.io/）的环境：

• Python虚拟环境：
  • 路径：/tensorflow
  • Python版本：3.4.2
  • 包含包：tensorflow、keras、h5py
  • 激活命令：source /tensorflow/bin/activate
  • CRAN镜像指向2017-06-01的静态MRAN快照
• Conda环境（tensorflow）：
  • Python版本：3.4.2
  • 包含包：tensorflow、keras、h5py
  • 激活命令：source activate tensorflow
• R包reticulate（来自CRAN）负责R与Python的通信
• 环境变量配置：仓库在Renviron文件中写入以下变量以正确配置reticulate：

  r
  TENSORFLOW_PYTHON = "/tensorflow/bin/python"
  RETICULATE_PYTHON = "/tensorflow/bin/python"
  

Docker使用说明

拉取镜像

bash
docker pull docker.xuanyuan.run/andrie/tensorflowr

运行容器

由于包含rocker/rstudio，可通过浏览器访问https://localhost:8787使用RStudio。以下命令创建名为tensorflowr的容器：

bash
docker run -d --name tensorflowr -p 8787:8787 docker.xuanyuan.run/andrie/tensorflowr

执行命令

在运行的容器内执行代码：

bash
docker exec -ti tensorflowr bash

示例测试

TensorFlow测试

运行tensorflow R包的"Hello World"示例：

r
library(tensorflow)
sess = tf$Session()
hello <- tf$constant('Hello, TensorFlow!')
sess$run(hello)

Keras测试

运行kerasR vignette中的代码：

r
library(kerasR)
mod <- Sequential()
mod$add(Dense(units = 50, input_shape = 13))
mod$add(Activation("relu"))
mod$add(Dense(units = 1))
keras_compile(mod, loss = 'mse', optimizer = RMSprop())
boston <- load_boston_housing()
X_train <- scale(boston$X_train)
Y_train <- boston$Y_train
X_test <- scale(boston$X_test)
Y_test <- boston$Y_test
keras_fit(mod, X_train, Y_train,
          batch_size = 32, epochs = 200,
          verbose = 1, validation_split = 0.1)
pred <- keras_predict(mod, normalize(X_test))
sd(as.numeric(pred) - Y_test) / sd(Y_test)

许可证

© Andrie de Vries