01 关于TensorFlow
TensorFlow 随着AlphaGo的胜利也火了起来。
google又一次成为大家膜拜的大神了。google大神在引导这机器学习的方向。
同时Docker 也是一个非常好的工具，大大的方便了开发环境的构建，之前需要配置安装。
看各种文档，现在只要一个 pull 一个 run 就可以把环境弄好了。
同时如果有写地方需要个性化定制，直接在docker的镜像上面再加一层补丁就好了。
自己的需求就能满足了，同时还可以将这个通用的方法分享出去。新智云 （www.enncloud.cn）
02 下载TensorFlow images
使用hub.docker.com的镜像
使用daocloud 的镜像，在国内用速度还是挺快的，如果docker.io的镜像慢，可以用daocloud的。
这个速度非常的快。一样用的。版本也挺新的。
03 启动镜像
启动命令，设置端口，同时配置volume 数据卷，用于永久保存数据。加上 –rm 在停止的时候删除镜像。
启动的时候并不是daemon 模式的，而是前台模式，同时显示了运行的日志。
打开浏览器就可以直接看到界面了。
同时可以编辑内容：
写第一个 hello world：
其他的使用参考中文手册：
https://github.com/jikexueyuanwiki/tensorflow-zh
里面有pdf 可以下载使用。
还有一个超级炫酷吊炸天的playground ：
http://playground.tensorflow.org/
04 打个补丁
vi run_jupyter.sh
然后重新打一个docker镜像。
vi Dockerfile
这样就固定token了。
然后就可以 -d 参数，将docker 运行放到后台。然后就可以使用 docker exec -it xxx bash 登录进去查看系统的状况了。
05 总结
docker 真的是非常好的技术，能够快速的搭建好环境，省去了繁琐的安装配置过程。
最后使用参数将环境跑起来，同时也可以根据自己的需求，给镜像增加新的功能，就像是盖房子。
一层一层的盖。所有的层，构成了一个整体的房子。
同时对于 TensorFlow 来说是一个程序员必须的技能了。就像是 lucence一样，其实大家都不太了解那个索引算法的。
但是还是可以创建出一个索引分词来。
TensorFlow 也是一样的。当做一个工具来使用就好了，具体的算法也不太精通。
有一个说法，数据量上去了，用大数据优化，比算法优化要效果好。
更多请关注微信公众号：“极客脑司机”