Docker 使用容器创建虚拟环境，将 TensorFlow 安装与系统的其余部分隔离开来。 TensorFlow 程序在此虚拟环境中运行，可以与主机共享资源（访问目录，使用 GPU，连接到 Internet 等）。 TensorFlow Docker 映像会针对每个版本进行测试。
在 Linux 上，Docker 是能够启用 TensorFlow GPU 支持的最为简单的方法，因为主机上只需要 NVIDIA®GPU 驱动程序（无需安装 NVIDIA®CUDA®Toolkit）。
TensorFlow Docker 要求
1、在本地主机上安装 Docker。
2、对于 Linux 上的 GPU 支持，请安装 nvidia-docker。
注意：要在不使用 sudo 的情况下运行 docker 命令，请创建 docker 组并添加用户。 有关详细信息，请参阅 Linux 的安装后步骤。（https://docs.docker.com/install/linux/linux-postinstall/）
下载 TensorFlow Docker 图像
官方 TensorFlow Docker 图像位于 tensorflow / tensorflow Docker Hub 存储库中。 图像版本使用以下格式标记：
标签
描述
latest
最新发布的 TensorFlow CPU 二进制映像 默认
nightly
每晚构建 TensorFlow 图像（不稳定）
version
指定 TensorFlow 二进制映像的版本， 例如：1.11
标签变体
tag-devel
指定的标签版本和源代码
tag-gpu
指定的标签版本，支持 GPU（见下文）
tag-py3
指定的标签版本支持 Python 3
tag-gpu-py3
指定的标签版本支持 GPU 和 Python 3
tag-devel-py3
指定的标签版本支持 Python 3 和源代码
tag-devel-gpu
指定的标签版本，支持 GPU 和源代码
tag-devel-gpu-py3
指定的标签版本支持 GPU 和 Python 3，以及源代码
例如，以下内容将 TensorFlow 版本下载到您的计算机：
docker pull tensorflow/tensorflow # latest stable releasedocker pull tensorflow/tensorflow:nightly-devel-gpu # nightly dev release w/ GPU support
启动 TensorFlow Docker 容器
要启动 TensorFlow 配置的容器，请使用以下命令格式：
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
详细信息，请参阅 docker 运行参考。（https://docs.docker.com/engine/reference/run/）
使用仅 CPU 映像的示例
让我们使用最新的标记图像验证 TensorFlow 的安装。 Docker 在第一次运行时下载新的 TensorFlow 映像：
docker run -it --rm tensorflow/tensorflow \ python -c "import tensorflow as tf; print(tf.__version__)"
我们来演示一下 TensorFlow Docker 的更多应用。 在 TensorFlow 配置的容器中启动 bash shell 会话：
docker run -it tensorflow/tensorflow bash
在容器中，您可以启动 python 会话并导入 TensorFlow。
要在容器内的主机上运行 TensorFlow 程序，请安装主机目录并更改容器的工作目录（-v hostDir：containerDir -w workDir）：
docker run -it --rm -v $PWD:/tmp -w /tmp tensorflow/tensorflow python ./script.py
当容器中创建的文件暴露给主机时，可能会出现权限问题。通常来说，最好将主机系统上的文件编辑一下。
在 Python 3 支持下，使用 TensorFlow 的夜晚构建启动一个 Jupyter Notebook 服务器：
docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-py3
按照说明操作，在主机 Web 浏览器中打开 URL：
GPU 支持
Docker 是在 GPU 上运行 TensorFlow 的最简单方法，因为主机只需要 NVIDIA® 驱动程序（不需要 NVIDIA®CUDA®Toolkit）。
安装 nvidia-docker，启动支持 NVIDIA®GPU 的 Docker 容器。nvidia-docker 仅适用于 Linux，有关详细信息，请参阅其平台支持常见问题解答。
检查 GPU 是否可用：
lspci | grep -i nvidia
验证您的 nvidia-docker 安装：
docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
注意：nvidia-docker v1 使用 nvidia-docker 别名，其中 v2 使用 docker --runtime = nvidia。
使用支持 GPU 的图像的示例
下载并运行支持 GPU 的 TensorFlow 映像（可能需要几分钟）：
docker run --runtime=nvidia -it --rm ensorflow/tensorflow:latest-gpu \ python -c "import tensorflow as tf; print(tf.contrib.eager.num_gpus())"
设置支持 GPU 的图像可能需要一段时间。如果可以重复运行基于 GPU 的脚本，则可以使用 docker execto 重用容器。
使用最新的 TensorFlow GPU 映像在容器中启动 bash shell 会话：
docker run --runtime=nvidia -it tensorflow/tensorflow:latest-gpu bash
成功：现在已安装 TensorFlow。 阅读教程，开始使用。（https://tensorflow.google.cn/tutorials/?hl=zh-CN）
