使用TensorFlow，GPU和Docker容器进行深度学习

摘要： 数据科学家使用GPU来提高TensorFlow的计算速度，但GPU价格昂贵，也需要对其所占用的资源进行认真的管理。本文将带你来一起解决这一问题。

在过去的几个月中，我和多个企业的数据科学团队进行了多次合作，也看到越来越多的机器学习和深度学习框架被广泛应用到实际生活中。

与大数据分析和数据科学中的其他用例一样，这些团队希望在BlueData EPIC软件平台上的Docker容器中运行他们最喜欢的深度学习框架和工具。因此，我的一部分工作就是尝试使用这些新工具，确保在我们的平台上能够运行，并且能够帮助这些团队开发出可以解决一些问题的新的功能。

TensorFlow是深度学习和机器学习最流行的开源框架之一。TensorFlow最初是由Google研究团队开发的并致力于解决深度神经网络的机器学习研究。另外，TensorFlow也适用于许多其他应用场景：图像识别，自由文本数据的自然语言处理以及威胁检测和监视等。

“TensorFlow是一个用于对一系列任务进行机器学习的开源软件库，它是一个构建和训练神经网络来检测、解读模式和相关性的系统，它与人类学习和推理相似（但不一样）。”——维基百科

TensorFlow可以在各种异构系统（包括CPU和GPU）上对计算资源进行合理分配。与我合作过的几个数据科学团队使用GPU