这个例子里，/work目录为保存run.py文件的目录，run.py程序和其依赖以及数据都会放在这个目录下，通过-v参数挂载到容器中，运行run.py即可启动我们的训练任务。

　　如果dockerhub.com速度慢，也可以使用PaddlePaddle社区维护的Docker registry：

　　可以看到如下输出（截取部分）：

　　对于更加复杂的深度学习应用，比如应用可能依赖官方Docker镜像之外的库，用户可以直接基于PaddlePaddle 的生产环境镜像打包自己的应用，创建如下的Dockerfile:

　　使用诸如此类的Dockerfile即可根据用户的需要构建自己的镜像并应用于实际生产环境。

　　使用开发镜像

　　我们将PaddlePaddle的Docker镜像区分为生产环境和开发环境。生产环境仅包含应用运行必要的动态连接库，三方库和应用二进制文件；而开发环境则需要提供Paddle源代码、头文件、编译工具以及丰富的开发工具，包括：

gcc/clang

nvcc

Python

sphinx

woboq

sshd

　　开发环境镜像会极大的方便以下角色的工作： 1. 深度学习应用开发者：不再需要安装配置一台Ubuntu Linux机器并安装大量的依赖，只需要安装Docker。这样开发者可以使用自己的电脑或者远程的开发服务器都可以。 2. Paddle版本发布工程师：Paddle后续的版本发布更新均使用开发环境Docker镜像，根据Paddle的github分支／标签直接生成多个Paddle生产环境Docker镜像 3. 文档编写／Paddle网站更新：Paddle的文档通常是以“.md/.rst”格式保存在github上的，并随着源代码的更新而更新。文档和网站内容都是通过github的这些文档生成的，开发环境镜像会提供相应的工具，将“.md/.rst”格式解压、转换并生成html页面。

　　下面介绍如何使用开发环境镜像。考虑我们完成日常工作的方式，开发者可能会使用自己的笔记本／台式机／安装有GPU的工作站：

　　许多开发者会使用一台远程的安装了GPU的机器完成日常的开发工作，他们通常会ssh登录到这台服务器上开发。开发环境镜像也提供了sshd服务，这样开发者可以直接ssh登录到PaddlePaddle的开发环境容器中启动训练任务：

　　一个基本思路是: 使用git clone下载PaddlePaddle源码到开发机或本地，然后就可以使用自己惯用的编辑器（如Eclipse／VIM）开始代码编写工作。编译和测试则可以使用docker run -v挂载Paddle源代码目录到Docker开发环境镜像。这样就可以在Docker容器中直接编译和测试刚才修改的代码：

　　您可以使用下面的命令快速下载并启动一个PaddlePaddle开发环境的容器，并启动一个sshd服务。在 https://hub.docker.com/r/paddlepaddle/paddle/tags/找到您需要的版本替换 <version>。

　　总结

　　PaddlePaddle团队将以易用性为目标，持续更新，为AI从业者和对深度学习感兴趣的同学提供更方便的镜像和工具，把深度学习带给更多的人！

　　关于PaddlePaddle

　　PaddlePaddle是一个最早由百度科学家和工程师共同研发的并行分布式深度学习平台，兼备易用性、高效性、灵活性和可扩展性，目前已被百度内部多个产品线广泛使用。

　　PaddlePaddle目前已经开放源码, 但是远未完善，我们希望能在这个基础上不断的改进、扩展和延伸。 同时我们希望广大开发者积极提供反馈和贡献源代码，建立一个活跃的开源社区。

　　据介绍，j2直播，PaddlePaddle是一个小而美的团队、核心成员10人左右、系统工程师为主、全部使用Github办公。

新智元“3·27”AI 技术峰会购票二维码：