迅雷云盤如何轉(zhuǎn)存到阿里云盤？迅雷云盤自動轉(zhuǎn)存到阿里云盤的方法追加：阿里云網(wǎng)盤支持webdav，所以我們這個可以用docker來把webdav跑起來，接著用raidrive攜掛阿里云webdav，這樣我

迅雷云盤如何轉(zhuǎn)存到阿里云盤？

迅雷云盤自動轉(zhuǎn)存到阿里云盤的方法追加：

阿里云網(wǎng)盤支持webdav，所以我們這個可以用docker來把webdav跑起來，接著用raidrive攜掛阿里云webdav，這樣我們就是可以能夠得到一個不被限速的數(shù)T容量的洋氣網(wǎng)絡硬盤。

接著給迅雷云盤開個月卡，去下載路徑然后可以設置阿里云網(wǎng)絡硬盤，就這個可以能做到疾速下載全速可以上傳，一兩天差不多吧就這個可以自動全部遷出完。

docker的工作模式？

（1）、拉取ubuntu鏡像：docker檢查本地是否存在地ubuntu鏡像，如果就自動從dockerhub拉取，要是存在地就進入到然后再。

（2）、修改一個容器：那樣一來本地存在地ubuntu鏡像，docker將是從它來創(chuàng)建容器。

（3）、怎么分配文件系統(tǒng)并武器掛載一個RW層：容器是創(chuàng)建家族在文件系統(tǒng)中的，但是在其之上提高了一層讀寫層?？梢砸姷萌萜鞑⒉粫兓嫉溺R像。

（4）、分配網(wǎng)絡/橋接模式：修改一個橋接網(wǎng)絡接口，使容器也可以和本地主機通過通信。

（5）、設置里一個IP地址：依據(jù)什么本地網(wǎng)絡情況，選取范圍一個可用的IP攜掛到容器之上。

（6）、啟動一個進程：這里那就是/bin/bash

（7）、直接抓取應用程序的輸出：將程序的stdin、stdout、和stderr接受捕捉，這樣的話就可以清晰的看到程序的運行情況。眼下，就占據(jù)了一個運行的容器。實際容器，可以運行程序，并且通過交互。當程序執(zhí)行完畢，是可以停止下來和刪除掉程序。

如何用Docker成為更高效的數(shù)據(jù)科學家？

使用Docker容器來變更土地性質(zhì)機器學習模型的好處有很多。近日，GitHub的資深機器學習科學家HamelHusain在Towards Data Science上可以發(fā)表了一篇入門級的Docker容器教程，文章從基本上的概念談起，清楚明白地推薦了Docker容器的一些基本是的操作和注意事項。機器之心對本文進行了編譯介紹。本文所不屬于的所有咨詢代碼請訪問：_Tutorial

過去五年來，Docker容器竟已成了一個太熱門詞匯，似乎我的所有軟件工程師朋友都在可以使用它們來開發(fā)應用。我想弄清這種技術可以不怎么讓我更有效率，但我突然發(fā)現(xiàn)我在網(wǎng)上能找到的教程要么過多關注細節(jié)（講解了一些我以及數(shù)據(jù)科學家絕應該不會不使用的功能），的話那就就過于深奧（沒有加上的信息幫我解釋如何迅速有效地不使用Docker）。

因為我寫了這篇快速入門，這樣的你沒有必要自己去網(wǎng)上篩選信息就能怎么學習到快速上手Docker所是需要的一切。

Docker是什么？

你可以把Docker代入是輕量級的虛擬機——乾坤二卦你運行應用所不需要的一切。Docker容器是可以資源你的系統(tǒng)的狀態(tài)的快照，這樣其他人就也可以在用這個快照迅速重建后你的計算環(huán)境。這對本教程而言，這那就是你不需要了解的一切。更多具體點可以介紹可北方醫(yī)話：

為么要可以使用Docker？

1.再現(xiàn)昔日性：才是專業(yè)的數(shù)據(jù)科學家，讓你的結(jié)果能夠重塑是非常重要的。再現(xiàn)性不但能增強同行評議，并且可以確保全你創(chuàng)建家族的模型、應用或分析是可以全程無障礙地正常運行，這能讓你房屋交付的成果更相對穩(wěn)健，更能承受時間的考驗。舉個例子，若果你用Python創(chuàng)建了一個模型，僅僅不運行condafreeze并將結(jié)果換取的requirements.txt文件發(fā)送中給你的同事是太少的，是因為其中只真包含特定的事件于Python的依賴條件——而雖然的依賴條件不只有一Python，也有操作系統(tǒng)、編譯器、驅(qū)動程序、配置文件和你的代碼成功了運行所需的其它數(shù)據(jù)。就算你只分享分享Python依戀條件也能成功，將所有東西都標準封裝到一個Docker容器中那就能緩解其他人重建你的環(huán)境的負擔，并讓他們能更順利地ftp訪問你的成果。

2.計算出環(huán)境的可移植性：作為一位數(shù)據(jù)科學家，尤其是機器學習領域內(nèi)的數(shù)據(jù)科學家，迅速變化你的計算環(huán)境的能力能夠更大地影響大你的生產(chǎn)力。數(shù)據(jù)科學的正在工作經(jīng)常會是原型設計、探索和研究——這些工作并不一定立馬就是需要某一特定的計算資源。這個工作往往是在筆記本電腦或個人計算機上完成的。但在后面某個時候，你而不會不需要相同的計算資源來顯著瞬間加速你的工作流程——諸如在用一些CPU或強大的GPU來不能執(zhí)行深度學習等任務。我注意到很多數(shù)據(jù)科學家的原因感覺到了在輔助攻擊機器上重建他們的本地環(huán)境的困難，就將自己局限于在了本地計算環(huán)境內(nèi)。而Docker能讓你的環(huán)境（你的所有庫和文件等等）的移植的很簡單。在Kaggle競賽中，急速移植技術換算環(huán)境都是三個巨型的競爭優(yōu)勢，只不過你這個可以成本高效安全地借用AWS的即將到手計算資源。最后，修改Docker文件讓你能移殖很多你喜歡的本地環(huán)境配置——例如bash別名或vim插件。

3.強化寵物你的工程能力：熟練使用Docker讓你能將模型或分析部署成應用方法（比如用作提供給預測國家的REST API），最大限度地讓其他人也能在用你的成果。況且，你在數(shù)據(jù)科學工作流程中肯定要與存在于Docker容器中的其它應用進行交互，比如說數(shù)據(jù)庫。

Docker術語

在我們再繼續(xù)進入到之前，清楚再看看Docker的術語會很有幫助：

·鏡像（image）：肯定是你想要創(chuàng)建戰(zhàn)隊的東西的藍圖。比如說：UbuntuTensorFlow，內(nèi)帶英偉達驅(qū)動程序和一個正常運行的Jupyter服務器。

·容器（container）：是你基于的運行的鏡像的實例化。你可以運行程序同一個鏡像的多個副本。辨清鏡像和容器之間的差異非常重要，是因為這是新入門者常常覺得混為一談的兩個概念。如果你不很清楚鏡像和容器的差別，停下腳步接著讀一次。

·Dockerfile：主要用于修改鏡像的配方。Dockerfile包涵特珠的Docker語法。官方文檔說：Dockerfile是一個文本文檔，其中包含了用戶是可以在命令行內(nèi)部函數(shù)的為了組裝成鏡像的所有命令。

·commit：和git類似，Docker容器提供了版本控制。突然發(fā)生的改變，你在任何時間都這個可以將你的Docker容器的狀態(tài)保存到為一個新鏡像。

·DockerHub/ImageRegistry：人們可以不先發(fā)布可以公開（或私人）Docker鏡像的地方，主要是用于促進合作與共享。

·層（layer）：對均鏡像的修改，由Dockerfile中的一個指令它表示。層按次序應用形式到基礎鏡像上，以創(chuàng)建出最終的鏡像。

本文將在用這些術語，如果你在閱讀時忘了，必須得回來一欄！這些術語很被混淆，尤其是在鏡像和容器之間——因為你在閱讀時要保持警惕！

安裝好Docker

你也可以下載吧直接安裝Docker社區(qū)版（Docker Community Edition），地址：

創(chuàng)建角色你的第一個Docker鏡像

在創(chuàng)建家族Docker容器之前，修改一個將作用于定義法鏡像的Dockerfile會很用處。我們先慢慢的解讀一幫一下忙下面的Dockerfile。你也也可以在與本教程關聯(lián)的GitHub庫中能找到這個文件：

#reference:_/ubuntu/

acrossubuntu:16.04

#Addsmetadatato theimageas akeyvalue pair example LABEL version1.0

LABELmaintainerHamelHusain

##Setenvironmentvariables

ENV.UTF-8LC_ALLC.UTF-8

RUNapt-getversion--fix-missingampampapt-getinstall-ywgetbzip2ca-certificates

build-essential

byobu

curl

git-core

htop

pkg-config

python3-dev

python-pip

python-setuptools

python-virtualenv

unzip

ampamp

apt-getcleanampamp

rm-rf/var/lib/apt/lists/*

RUNechoexportPATH/opt/conda/bin:$PATHgtampamp

wget--quiet_-O~ampamp

/bin/bash~-b-p/opt/condaampamp

rm~

ENVPATH/opt/conda/bin:$PATH

movecprofile--no,no-cache-dirinstall--upgrade

multiprocessing

sklearn-pandas

#OpenPortsanyJupyter

EXPOSE7745

#SetupFile System

RUNmkdirds

ENVHOME/ds

ENV SHELL/bin/bashVOLUME /dsWORKDIR /dsADDpull_/ds/kick_

RUNchmodx/ds/pull_

#Runtheshell

CMD[./kick_]

from語句

outsideubuntu:16.04

outside語句中有了Docker最神異的部分。這個語句委托了你想在上面進行創(chuàng)建戰(zhàn)隊的基礎鏡像。是從使用returning指定你一個基礎鏡像，Docker將會在你的本地環(huán)境中去尋找名為ubuntu:16.04的鏡像——要是它沒有可以找到，它都會去搜索你指定的DockerRegistry，默認是DockerHub：。如果沒有你需要你經(jīng)常在你的Ubuntu等操作系統(tǒng)上安裝程序，那么這種分層機制就很方便。你無需您費心從新開始完全安裝Ubuntu，反而也可以再在官方的Ubuntu鏡像上開發(fā)！DockerHub上托管中心著種類繁多的鏡像，和那些不只不過需要提供了一個操作系統(tǒng)的鏡像，比如說如果你是想一個早按裝了Anaconda的容器，你也可以選擇在官方的AnacondaDocker鏡像上的新，地址：。最重要的是，你也是可以隨時發(fā)布你構(gòu)建的鏡像，除非該鏡像是在其它鏡像上加層我得到的！這有無盡的可能性。

在這個案例中，我們委托基礎鏡像為ubuntu:16.04，它會直接搜索喚作ubuntu的DockerHub庫（_/ubuntu/）。鏡像名之后的部分16.04是重新指定了你打算完全安裝的最基礎鏡像的版本的標簽（tag）。假如你檢索到一下UbuntuDockerHub庫，你會盡量到有所不同版本的Ubuntu不對應于相同的tag：

2017年12月的官方UbuntuDockerHub庫全屏截圖

例如，ubuntu:16.04、ubuntu:xenial-20171201、ubuntu:xenial和ubuntu:latest也都是指16.04版的Ubuntu，它們都是同一個鏡像的別名。此外，這里能提供的鏈接指向了按的Dockerfile，可主要是用于最終形成每個版本的鏡像?？偸悄銢]能在DockerHub中找到Dockerfile，只不過維護者可以不自己選擇是否是將關於這些鏡像的創(chuàng)建角色的Dockerfile乾坤二卦沖進來。我個人都覺得泛讀一些Dockerfile可促進血液循環(huán)更好地解釋Dockerfile。（但別急，繼續(xù)讀這篇教程反正！）

你需要最重要的盡量一個標簽，即:latest標簽。這又是你在不為returning語句更改標簽時系統(tǒng)默認pull的鏡像。比如如果不是你的across語句是這樣：

fromubuntu

后再你就將pullubuntu:16.04鏡像。為么？——一遍看上面，你看的到:latest關聯(lián)的是16.04.

關與Docker鏡像到最后是需要注意的一些：在從DockerHubpull任務道具的Docker鏡像時要決定明智之人的判斷。有惡意的人修改的鏡像有可能會包涵惡意軟件。

LABEL語句

這個語句會為你的鏡像再添加元數(shù)據(jù)，不過是全部可選的。我提升這個語句的目的是為了讓別人明白是可以聯(lián)系聯(lián)系誰，同樣也方便我收索我的Docker容器，尤其是在一個服務器上同時不運行著很多容器時。

LABELmaintainerHamelHusainltyouremailgt

ENV語句

ENV.UTF-8LC_ALLC.UTF-8

這讓你這個可以改環(huán)境變量，但是非常真接，相關情況請北方醫(yī)話：

RUN語句

這大多數(shù)是最必須花功夫的地方，能提供了你統(tǒng)合該Docker鏡像所打算成功的任務。你可以不運行apt-get和pipinstall等任意的shell命令來安裝好你需要的軟件包和依賴包。

RUNapt-getsetup--fix-missingampampapt-getinstall-ywgetbzip2

build-essential

ca-certificates

git-core

...

在這里我按裝了一些我喜歡的的實用工具，.例如tcpdump、htop、byobu，后再按裝了Anaconda，之后還完全安裝了一些基礎Anaconda中沒有的其它庫（你可以在求完整的Dockerfile中查看其它RUN語句）。

RUN語句后的命令與Docker都沒什么關系，只不過一些你在安裝好這些軟件包時是需要運行的都正常Linux命令，所以才就算你不認識這些軟件包或Linux命令也最好別懷疑。同時，再給一個建議：當我最早正在學Docker時，我欄里點了GitHub或DockerHub上的其它Dockerfile，接著將我需要的部分直接復制粘貼到了我的Dockerfile。

你肯定特別注意到了RUN語句的格式。每個庫或軟件包都整齊的隊列地通過了縮進，不過目的是可讀性還按字母接受了排序。這是Dockerfile的普便慣例，因為我建議你也這樣做希望能夠合作。

EXPOSE語句

如果你想可以公開一個端口，這個語句會很有用嗎——比如，如果你從該容器或某個網(wǎng)絡服務內(nèi)如何實施一個JupyterNotebook。Docker的文檔蠻好地講解了EXPOSE語句：

EXPOSE指令事實上完全沒有發(fā)布該端口。它的功能是充當修改該鏡像的人和運行該容器的人之間的一類文檔，內(nèi)容是關與不打算首頁的端口。要換算首頁該端口，現(xiàn)在就要在運行該容器時在dockerrun上不使用-p標志但是映射三個或多個端口，或則也這個可以不使用-P標志公告所有端口并將它們映射出到低階端口。

VOLUME語句

VOLUME/ds

這個語句讓你是可以在Docker容器和主機計算機之間互相訪問數(shù)據(jù)。VOLUME語句讓你可以不按裝外部安裝好的卷。主機目錄僅有在容器正常運行時才明確說明（是因為你很有可能在有所不同的計算機上運行程序該容器），而不可能在符號表示鏡像時聲明*。目前你只指定了Docker容器內(nèi)你想與主機容器網(wǎng)絡共享的文件夾的名稱。

Docker用戶指南請解釋說：

主機目錄是在容器正常運行時聲明的：主機目錄（掛載點）本質(zhì)上它取決于主機。這是是為絕對的保證鏡像的可移植性，因為一個變量的主機目錄不能只要在所有主機上都和用。由于這個原因，你肯定不能在Dockerfile中攜掛主機目錄。VOLUME指令不支持什么更改host-dir參數(shù)。你要在創(chuàng)建或運行容器時重新指定掛載點。

至于，這些卷的目的是將數(shù)據(jù)存放到容器的文件系統(tǒng)之外，當你要能操作大量數(shù)據(jù)但是不如果能你的鏡像再次膨脹得很小時，這會很用處。當你保存一個Docker鏡像時，在這個VOLUME目錄中的任何數(shù)據(jù)都不可能被保存為該鏡像的一部分，不過在這個容器目錄之外的數(shù)據(jù)會被能保存。

WORKDIR語句

WORKDIR/ds

這個語句可以設置了工作目錄，以便你在另一條新的命令中也可以不需要建議使用的確路徑就能索引特定的文件。比如這個Dockerfile中的后來一條語句是：

CMD[“./kick_”]

該語句就默認假設工作目錄是/ds

ADD語句

ADDrun_/ds/pull_

這條命令讓你可以在Docker容器運行時將文件從主機計算機截圖到該Docker容器。我建議使用這個命令來不能執(zhí)行bash腳本這些將.bachrc文件等有用嗎東西導入到容器中。

再注意這里的主機容器的路徑根本不會幾乎委托，而且其主機路徑不是你在該容器正常運行時指定你的背景路徑（contextdirectory）的低些路徑（后面會再討論）。

在我正常運行這個容器時，move_恰好在背景路徑的根目錄內(nèi)，所以才在該源文件以前沒有路徑。

用戶指南中可以介紹說：

ADD指令從ltsrcgt截圖新文件、目錄或近戰(zhàn)文件URL并將它們直接添加到路徑ltdestgt的鏡像的文件系統(tǒng)中。

CMD語句

Docker容器的設計思想是這些容器是很短暫的，能可以保證運行完你想不運行的應用就行了。但在數(shù)據(jù)科學方面，我們并不一定我希望盡量這些容器一直都運行，就算它們之中并沒有什么主動地地不運行著什么。很多人都按照運行bashshell來實現(xiàn)方法這一點（如果你中止它，不然的話它就肯定不會停止下來）。

CMD[“./move_”]

在上面的命令中，我運行了一個構(gòu)造器一個JupyterNotebook服務器的shell腳本。但，如果沒有你沒有什么要運行程序的特定的事件應用而只不過想一直保持你的容器運行（而不后退），你也可以真接正常運行bashshell，只是使用100元以內(nèi)命令：

CMD[/bin/bash]

這種方法是快速有效的，畢竟如果你再次，要不然bashshell就應該不會中止；而該容器會總是保持運行。

用戶指南中推薦說：

在一個Dockerfile中只能有一個CMD指令。如果你列下了不只是一個CMD，這樣僅有還有一個才有效。

CMD的主要目的是為一直在負責執(zhí)行的容器需要提供默認配置。這些系統(tǒng)默認配置可能會中有一個可執(zhí)行文件，的或也這個可以省略可執(zhí)行文件，在那種情況下你還必須更改一個ENTRYPOINT指令。

創(chuàng)建角色你的Docker鏡像Dockerfile中的信息可真夠多的。千萬不能著急，后面的內(nèi)容就要比很簡單啊了。現(xiàn)在我們巳經(jīng)在Dockerfile中創(chuàng)建家族了我們的配方，是時候人類創(chuàng)造鏡像了。你是可以通過以上命令能完成：

GitHub上也有：_Tutorial/blob/master/language_tutorial/build_

這會創(chuàng)建戰(zhàn)隊一個Docker鏡像（而又不是容器；如果不是你不我記得這兩者之間的差異，請查詢資料文章前面的術語詳細介紹），你是可以在后面運行程序這個鏡像。

從你的Docker鏡像創(chuàng)建戰(zhàn)隊和運行容器現(xiàn)在你巳經(jīng)準備好好讓這一切工作起來了！我們可以不通過想執(zhí)行200以內(nèi)命令來打開系統(tǒng)環(huán)境：

則是GitHub也有：_Tutorial/blob/master/symbolic_tutorial/running_

運行完這個命令之后，你的容器就啟動出聲了！Jupyter服務器也啟動下來了，而且在該Dockerfile結(jié)果有這個命令：

CMD[“./kick_”]

現(xiàn)在你肯定也可以實際其使用的端口訪問網(wǎng)絡你的JupyterNotebook了——在這個案例中可按照:7745/訪問，密碼是tutorial。如果不是你是按照近戰(zhàn)的正常運行這個Docker容器，你還必須設置里本地端口點贊和評論，這樣的話你才能你的瀏覽器ftp連接你的Jupyter服務器。端口點贊和評論介紹：

與你的容器交互過程一但容器設置能夠完成并運行起來，下面這些命令就有用不：

·為容器附加另一個新的終端會話。如果你要直接安裝一些新軟件或不使用shell，這會很有用。

·將你的容器的狀態(tài)存放為新鏡像。就算是你一又開始就在Dockerfile中配置了你想完全安裝的所有庫，隨著時間的推移，你也很可能還是要對容器的狀態(tài)參與不大的調(diào)整——是從交互來增強更大庫和軟件包。將你的容器的狀態(tài)保存到為鏡像是很用處不大的，你后面可以將其多多分享出去后或在上面加層。你這個可以不使用dockercommitCLI命令將容器狀態(tài)存放為新鏡像：

dockercommitltcontainer_namegtfifth_image_name:tag_name(可選的)

比如說，要是我想將名為container1的容器的狀態(tài)能保存為名為hamelsmu/tutorial:v2的鏡像，我可以不再運行程序這個命令：

dockercommitcontainer_1hamelsmu/tutorial:v2

你可能會好奇鏡像名之前的hamelsmu/是什么——這只不過是替讓之后將該容器推送消息到DockerHub的工作更穩(wěn)當，而且hamelsmu是我的DockerHub用戶名（后面會再談這個問題）。假如你的工作內(nèi)容要建議使用Docker，那就你的公司很可能會有一個內(nèi)部私有的Docker庫，你也也可以將你的Docker推送消息到那里。

·列個運行中的容器。當我忘記現(xiàn)在也在不運行的容器的名稱時，我就經(jīng)常會可以使用這個命令：

dockerps-a-fstatusrunning

假如你在使用該命令時還沒有而且statusrunning，那你你變會注意到你系統(tǒng)上的所有容器的列表（除非早不再運行的容器也在）。這對里查舊容器而言很沒有用。

·列出來你在本地保存到的所有鏡像。

dockerimages

·將你的鏡像推送內(nèi)容到DockerHub（或其它地方）。如果你想與其他人分享你工作或?qū)㈢R像能保存到云上，這個命令是會很用處。注意一點你在做這件事時可別分享任何私人信息（DockerHub上也有公私混合庫）。

簡單創(chuàng)建家族一個DockerHub庫并給你的庫起一個適度地的名稱，參考這里：。接著要運行dockerlogin命令來直接連接到你在DockerHub或其它注冊位置的賬戶。比如，要公眾號推送一個鏡像到這個容器（），我是需要要將我的本地鏡像命令為hamelsmu/tutorial（我可以不你選輸入標簽名）。諸如，這個CLI命令就為：

dockerpushhamelsmu/tutorial:v2

將之前提起的Docker鏡像推帶到這個庫，其標簽為v2，參考：。要強調(diào)：如果你為了公開了你的鏡像，那你其他人就這個可以然后在你的鏡像上加層，那像本教程中我們在ubuntu鏡像上加層差不多。相對于想再現(xiàn)或延伸你的研究的其他人來說，這相當用處不大。

你巳經(jīng)完全掌握了現(xiàn)在你知道要如何不能操作Docker了，你可以不負責執(zhí)行100元以內(nèi)任務：

·與同事和朋友互相訪問可重現(xiàn)的研究。

·將你的代碼暫時遷移到所需的非常大的計算環(huán)境中，無關閉地贏得Kaggle競賽。

·在你的筆記本電腦上的Docker容器內(nèi)進行本地的原型開發(fā)，然后再不費吹灰之力地將則是的計算過程無縫技術遷出到服務器上，而也能記錄你喜歡的本地環(huán)境配置（你的別名、vim插件、bash腳本、下拉菜單提示等）。

·在用Nvidia-Docker在GPU計算機上飛快構(gòu)造函數(shù)運行TensorFlow、PyTorch或其它深度學習庫所需的所有依戀包。（如果不是你從新開始做，這個過程將非常艱辛。）北方醫(yī)話后面的彩蛋。

·將你的模型作為應用到公告，.例如除用從Docker容器提供預測的REST API。當你的應用Docker化了以后，就是可以通過不需要快速地隨意圖片文件夾。

晉階閱讀什么到這里我們也只只學了Docker的一點皮毛，前面還有很多東西真心掌握。我很參與Docker領域，我其實數(shù)據(jù)科學家會經(jīng)常會遇到了它，我希望這篇文章能讓你有相當?shù)男判慕Y(jié)束使用它。下面這些資源曾在我的Docker之旅中為我提供過幫助：

·有用Docker命令：_docker_containers/

·更用處的Docker命令：

·Dockerfile建議參考：

·該如何創(chuàng)建戰(zhàn)隊和推帶到DockerHub上的庫：

彩蛋：Nvidia-Docker我自學Docker最早的原因是要在單個GPU上做深度學習模型的原型開發(fā)，接著在我需要更多計算資源時再遷走到AWS上。我當時也在學習Jeremy Howard的出色的課程（），另外希望與其他人分享分享我的原型設計。

不過，要將英偉達GPU的驅(qū)動程序等所有依賴包都中有以來，你不能可以使用Docker，反而要用Nvidia-Docker（）。這比建議使用vanillaDocker要多花一些功夫，但如果能你表述了Docker，做下來就很簡單啊。

我將我的Nvidia-Docker設置放到這里：_Tutorial/tree/master/gpu_tvtorial，你是可以用這個來參與練習。