本文开始，我们运行一个真实的机器学习模型。
ok，Step by Step。
0x00：启动docker
上篇文章已经介绍过
sudo docker run --name ming-tensortflow -it -p 8888:8888 -v ~/pythonstudy:/study tensorflow/tensorflow
正常情况下，你能够看到terminal里给出一个url
把URL复制到浏览器里登录即可，如果使用云服务器，记得把localhost修改为云服务器的IP地址。
如果没看到URL，没关系。直接在浏览器里输入http://xxx.xx.xxx.xx:8888 【记得修改为自己的地址】
0x01：登录Jupyter
如果是自己输入的URL，这时候你会看到，需要提供token或者密码才能使用Jupyter。
不知道token或者密码怎么办？
在自己的docker服务器上
docker ps -a
可以看到docker中tensorflow的容器在运行，登录tensorflow
docker exec -it ming-tensortflow /bin/bash
ming-tensortflow是我自己起名字的容器名字，你也可以修改为自己的。
接着运行命令
jupyter notebook list
怎么样，熟悉的URL又看到了吧：）
0x00：运行网上给出的demo
本节参考https://www.cnblogs.com/pinard/p/6016029.html
需要注意的是在Jupyter中运行本demo，一些具体操作问题。关于Jupyter的具体使用方法，如果感兴趣可以百度更加详细的内容。
在此处，我们直接找到 菜单【New】或者【File】-【new notebook】-【Python2】
浏览器会新打开一个窗口，我们在这个窗口里运行此Demo。
按照刘建平博客中给出的步骤，把文件上传到云服务中的共享目录（就是挂在到docker虚拟机内的目录，前面文章介绍过）。
接下来，一步一步地运行博客里给出的代码，注意把代码粘贴到文本框里后使用【shift】+【Enter】键进行代码编译运行。
效果如上图。使用【shift】+【Enter】运行后，如果一些正常，会自动打开下一个输入框。
接着输入，~~~~~
此处注意修改为自己文件的路径和名称。负责就会报错了。
接下来一步一步地输入，然后【shift】+【Enter】。一直到最后一步如下图
恭喜，你已经成功运行了一个机器学习的Demo。
其实运行这个demo不能说明什么，关键是要去理解，刚刚copy的代码，每一句是什么意思，只有理解了，才能运用。
0x04：修改代码，运行自己的模型和数据
关于运行自己的模型和数据，我们在后面文章介绍。