由于在生产中经常有大量的容器在运行，因此，Kubernetes 使编排这些容器成为可能。
一般比如部署一个深度学习算法的流程如下：
我用Ubuntu 16.04环境，然后tensorflow 1.13.0，或者还有其他包 等依赖做了个人群密度估计的模型，在我本地环境训练评估测试通过，我现在要部署到 客户机的win10系统，用其他的方式是 比如在 客户机重新安装各种依赖，可能会因为某个最新的第三方库在win10根本就没有，那这种方式就会导致任务失败，这样，采用 docker去部署 该模型，就有了它的优势。
流程：我先在客户机安装docker环境，然后从 官方镜像或者其他最近的源 拉一个 Ubuntu16.04的通用镜像，我在本地打包好
官方镜像缺少的所有东西，然后传过去，安装，即可。
如果要配置的客户机过多，就可以利用 google出品的 K8s 配合部署即可。
几个系统课程：
Docker应用与实战_共39课时-51CTO学院
https://edu.51cto.com/course/18073.html
Docker快速入门视频课程（通俗易懂）_共23课时-51CTO学院
https://edu.51cto.com/course/14479.html
Kubernetes/K8s入门与进阶实战_共69课时-51CTO学院
https://edu.51cto.com/course/12537.html
末尾，提供一种未来更好的技术
版权声明：本文来源CSDN，感谢博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。
原文链接：https://blog.csdn.net/txpp520/article/details/104660729
站方申明：本站部分内容来自社区用户分享，若涉及侵权，请联系站方删除。
