鉴于目前官方提倡我们在Docker中运行TensorFlow，并且现在Docker版本也已经有了GPU的支持，安装也相对简单，于是此文就介绍Docker版的安装方式。
安装显卡驱动
首先，我们要去安装显卡驱动NVIDIA® GPU drivers ，CUDA 10.0 requires 410.x or higher.
公司解散后，我把训练模型的4卡并联的机器留下来了，用的是当年性价比最高的GPU——GTX 1080TI：
你选择自己的GPU型号，点击Search，然后下载对应的驱动程序。
wget https://us.download.nvidia.cn/XFree86/Linux-x86_64/430.50/NVIDIA-Linux-x86_64-430.50.run
先别急着安装，因为没做前置工作会带来各种失败。
在安装这个之前，我们还需要几个准备工作：
安装gcc
如果你的系统没装gcc的话，需要先安装，安装方式如下：
sudo apt install build-essential
上面的语句会安装build-essential包，该命令将安装一组新的包，包括gcc、g++和make。
你也可以安装使用GNU/Linux进行开发的手册页:
sudo apt-get install manpages-dev
要验证GCC编译器是否成功安装，可以使用gcc --version命令，该命令将打印GCC版本。
禁用 nouveau 驱动
(nouveau 就是linux 下的一个兼容性很好，但是功能不怎样的显卡驱动)
将其加入到黑名单,运行sudo vim /etc/modprobe.d/blacklist.conf，在文件末尾添加以下几行：
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
关闭 X server
X server 就是图形接口服务器
使用以下语句关闭
sudo service lightdm stop
如果提示unit lightdm.service not loaded，那就先安装它：
sudo apt install lightdm
安装完毕后跳出一个界面，选择lightdm，再sudo service lightdm stop，如果选择了gdm，那就运行sudo /etc/init.d/gdm stop
安装驱动
sudo chmod a+x NVIDIA-Linux-x86_64-430.50.run
sudo NVIDIA-Linux-x86_64-430.50.run
重启电脑，输入
nvidia-smi
如果看到各个显卡的信息，就说明安装成功了
安装Docker Engine
如果你的电脑还没装Docker Engine的话，让我们先安装它。
如果你安装了旧版的Docker，可以先卸载它：
sudo apt-get remove docker docker-engine docker.io containerd runc
然我我们根据官方教程安装Docker Engine - Community。
这里咱使用存储库安装的方式。
设置存储库
1.更新apt包索引：
sudo apt-get update
2.安装软件包以允许apt通过HTTPS使用存储库：
sudo apt-get install \
apt-transport-https \
ca-certificates \
curl \
gnupg-agent \
software-properties-common
3.添加Docker的官方GPG密钥：
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
9DC8 5822 9FC7 DD38 854A E2D8 8D81 803C 0EBF CD88通过搜索指纹的后8个字符，验证您现在是否拥有带有指纹的密钥 。
sudo apt-key fingerprint 0EBFCD88
4.使用以下命令来设置稳定的存储库
sudo add-apt-repository \
"deb [arch=amd64] https://download.docker.com/linux/ubuntu \
$(lsb_release -cs) \
stable"
安装Docker Engine 社区版
装这个鬼东西建议翻墙...不然死慢死慢的......
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io
通过运行hello-world来验证是否正确安装：
这个命令可能需要设置国内镜像...不然..很可能没法连接..
sudo docker run hello-world
此命令下载测试图像并在容器中运行。容器运行时，它会打印参考消息并退出。
安装 nvidia-docker
nvidia-docker 仅适用于 Linux
检查GPU是否可用
lspci | grep -i nvidia
安装nvidia-docker
sudo apt-get install -y nvidia-docker2
sudo systemctl daemon-reload
sudo systemctl restart docker
验证 nvidia-docker 安装：
sudo docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
这个地方可能会有一个很坑爹报错：docker: Error response from daemon: Unknown runtime specified nvidia.因为我一开始是按照github上的方法安装nvidia-docker的，后来改用apt来装就好了，如果还有问题，
可以重新写了下/etc/docker/daemon.json文件，我是这么写的：
{
"registry-mirrors": [
"https://dockerhub.azk8s.cn",
"https://reg-mirror.qiniu.com"
],
"runtimes": {
"nvidia": {
"path": "/usr/bin/nvidia-container-runtime",
"runtimeArgs": []
}
}
}
下载并运行支持 GPU 的 TensorFlow 映像
sudo docker run -it --rm --runtime=nvidia tensorflow/tensorflow:latest-gpu-py3 python
设置支持 GPU 的映像可能需要一段时间。如果重复运行基于 GPU 的脚本，您可以使用 docker exec 重用容器。
使用最新的 TensorFlow GPU 映像在容器中启动 bash shell 会话：
sudo docker run -it tensorflow/tensorflow:latest-gpu-py3 bash
ok,到这里大功告成了。
可以进入python环境试一下：
import tensorflow as tf
print(tf.reduce_sum(tf.random_normal([1000, 1000])))