docker简单操作，以及运行gpu

         最近正在做关于gpu的运行相关的工作。所以本篇文章所写的都是本人经过真实操作的，并非网络版本的copy，这个也是增加积累以及分享。

         先说下我最近的目的，希望训练模型可以运行在cpu以及gpu上，由于gpu运行速度较快，所以在机器学习中，计算资源的考虑必不可少，其实我的最终目标是使用kubernetes集群来管理运行基于tensorflow的模型训练任务。由于目前k8s运行gpu还没有实际跑通，所以最近一直比较苦恼，若是有大神能指导下，感谢之至。

         好的，下面来说如何在docker中运行gpu。

         先简单介绍下docker的基本使用。下面我就完全以我的操作来说明。

         首先下载需要的image，我是需要下载Google tensorflow的cpu版本，当然docker hub上基本都有常用的image，所以如果机器直接可访问外网，那么直接

        docker  pull  tensorflow:tensorflow

        如果无法访问外网，那么你需要通过其他方式下载，完了save镜像成为一个tar包，然后copy到你的环境中，进行load即可。下载image后，为了整个集群的各个node节点都可用，可以push到私有仓库即可。具体如下：

        docker tag  tensorflow:tensorflow  27.10.0.101:5000/tensorflow:v1

        docker push    27.10.0.101:5000/tensorflow:v1

       如上，就已经push到私有仓库了。如何创建私有仓库此处不做说明，因为网上资料已经很好了。