用Docker在Ubuntu下 设置一个完整的Python + TensorFlow + GPU support + jupyter notebook + Deep Learning 开发环境

今天花了一天的时间（大部分时间花在了下载TensorFlow的docker镜像上）完成了题目所列的任务。主要参考了干货|10分钟搭建TensorFlow|Python|Docker等6大深度学习开发环境！ 一文，后面简称干货。记录一下过程，经验，教训和收获。

1. 如前一篇博客所述，系统已经安装好了NVIDIA driver, CUDA, and cuDNN。

2. docker的安装按照官方教程里的Install from a package。安装非常顺利。

3. Nvidia-docker和Nvidia/CUDA按照干货一文中介绍的方法安装非常顺利。官方教程。

4. pull 最新的 TensorFlow with GPU support image花了很多时间。从官方源拉发生time out错误，改为从网易dock镜像源拉，总报错unexpected EOF。最后改为DaoCloud源，一次成功。

5. 其后按照干货文中步骤操作都非常顺利。

6. 我的一个特殊情况是服务器端没有键盘和显示器，需要能够远程访问jupyter。为了能远程访问jupyter，就需要在TensorFlow的image里安装vim，编辑jupyter_notebook_config.py文件 ，更新原来的image，最后提交结果到新的image。提交结果到新image的操作方法是：

先列出所有容器的CONTAINER ID。

sudo docker ps -a

找出被改变的容器的CONTAINER ID，用下面的命令提交更改image。

sudo docker commit -m="remote access jupyter" -a="wsc" 1573f515d9fb wsc_own/tensorflow:latest-gpu

-m 来指定提交的信息，提交的信息一般是新image中更改了哪些内容。

-a 用来指定更改image作者，然后指定要从哪个容器ID来创建新的image副本，最后指定新image的名字REPOSITORY:TAG 。