本教程搭建集 Tensorflow、Keras、Coffe、PyTorch 等深度學習框架於一身的環境，及jupyter。
本教程使用nvidia-docker啟動實例，通過本教程可以從一個全新的Ubuntu系統快速搭建出GPU深度學習環境。
一、安裝依賴環境
1. 使用國內鏡像加速安裝
https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/
此處默認環境：ubuntu16.04LTS
sudo mv /etc/apt/sources.list /etc/apt/sources.list.old sudo vim /etc/apt/sources.list
然后將下面的內容寫入該文件：
需要注意的是：不同版本的ubuntu鏡像源不一樣，可以在清華鏡像源查詢
# 默認注釋了源碼鏡像以提高 apt update 速度，如有需要可自行取消注釋 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse # 預發布軟件源，不建議啟用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main restricted universe multiverse
使鏡像源生效
sudo apt-get update
2. 安裝 NVIDIA GPU 驅動
sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-384 nvidia-prime
查看是否安裝成功
watch nvidia-smi # 該命令可查看GPU使用情況
3. 安裝 Docker
https://mirrors.tuna.tsinghua.edu.cn/help/docker-ce/
以ubuntu16.04LTS為例
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository \ "deb [arch=amd64] https://mirrors.tuna.tsinghua.edu.cn/docker-ce/linux/ubuntu \ $(lsb_release -cs) \ stable" sudo apt-get update sudo apt-get install docker-ce
查看是否安裝成功
docker -v
將當前用戶加入到docker用戶組（這樣在執行docker命令的時候就不會出現Permission Denied了）
sudo usermod -aG docker ${YOUR_NAME_HERE}
4. 安裝 Nvidia-docker
https://github.com/NVIDIA/nvidia-docker
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd
這里的最后一步會重啟docker，並載入nvidia-docker的配置
查看是否安裝成功
nvidia-docker -v
二、拉取鏡像並啟動
1. 拉取鏡像
這里我們使用了deepo鏡像：https://hub.docker.com/r/ufoym/deepo/
其下的 ufoym/deepo:all-py36-jupyter，該鏡像收集了大部分深度學習框架，運行在GPU環境，以及配有jupyter。
docker pull ufoym/deepo:all-py36-jupyter
2. 啟動鏡像
默認配置（不推薦）
nvidia-docker run -it -p 8888:8888 ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/root'
外部掛載配置（掛載外部目錄，方便移動數據，不推薦）
# 這里使用了-v選項用於掛載外部目錄 nvidia-docker run -it -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data'
博主推薦：后台運行並掛載外部目錄（需要注意的地方是要把參數-it改成-i，否則無法運行在后台）
nohup nvidia-docker run -i -p 8888:8888 --ipc=host -v /data:/data ufoym/deepo:all-jupyter-py36 jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data' &
參數說明
-v /data:/data：左邊是外部路徑，右邊是內部路徑，例如我的文件放在/home/ubuntu/data下，需要掛載到docker內部的路徑是/data，則參數配置應該是-v /home/ubuntu/data:/data--notebook-dir：jupyter工作目錄的默認路徑，推薦與上面的docker內部數據路徑相同，即/data-p 8888:8888：左邊是外部端口，右邊是docker鏡像端口。如果想將jupyter應用掛載在8080端口，只需修改參數-p 8080:8888即可--NotebookApp.token：進入jupyter的密碼，這里設置的是空
三、 成功啟動
四、其他
1. import tensorflow時遇到Future Warning解決方案
錯誤如下：
FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`. from ._conv import register_converters as _register_converters
解決方案：
進入jupyter terminal並輸入
pip install --upgrade numpy pip install --upgrade h5py
問題解決。
2. 進入docker shell，以便使用裝有deeplearning環境的python交互式命令行
docker exec -it $(docker ps | awk '{print $1}' | sed -n '2p') bash
可以把這一段代碼用alias鏈接后方便使用，在~/.profile下添加這一行：
alias pysh="docker exec -it $(docker ps | awk '{print $1}' | sed -n '2p') bash"
讓配置生效
source ~/.profile
再次輸入pysh就可以快速進入docker shell