1. tensorflow docker
实验室有一台巨贵的服务器，上面有4块1080的gpu。机智的师兄在上面打了一个docker。然后就可以在上面愉快的跑模型了。
todo ： 拉一下tensorflow的docker
2. jupyter 远程连接docker
tensorflow docker + jupyter 这样可以通过jupyter 远程的上传，修改代码，然后跑模型，4块1080的计算速度比本地完全快出一个数量级。
以前写python 没这么用过jupyter，今天晚上临时突击了一下。小小的总结一下。一般的情况下面，代码会在本地写好，然后小跑一下，不出bug，就上传到服务器上面飞快的跑。so，我的需求就是，在jupyter上面可以：
- 上传代码
- 运行代码
- 如果有什么小bug，可以简单的改一下
- 可以方便的查看结果
1. 如何上传代码？
上传代码的话，可以点击右边的upload，然后上传代码；如果包含文件包含训练数据比较大的话，可以拷到服务器对应的目录下面。
2.1 上传文件之后，目录结构是什么，以及如何运行？
如下图所示，这里的/data目录，挂在服务器一个目录下面。
image.png
如果在jupyter上面开一个terminal，显示一下当前所在的路径，发现当前所在的路径是/notebooks。/data 文件夹在当前目录下面。也就是，如果什么都不变的情况下，terminal的默认路径是/notebooks。
image.png
2.2 如何加载当前目录的文件，或 执行当前目录下面的一个文件，或者是子目录里面的文件？
假如jupyter的根目录如下图所示，我们想加载 或 执行 hello.py 这个文件
image.png
-
加载当前目录的文件，命令 %load hello.py
image.png -
想加载 or 执行 子目录的文件怎么办？
image.png
3. 查看结果
无论是输出图片，还是查看保存好的图片，jupyter都比terminal上面方便很多，点击就可以。
others
- 快捷键
1.1 执行 --> shift + 回车
