本系列将利用docker和阿裡雲容器服務，幫助您上手tensorflow的機器學習方案
第一篇 打造tensorflow的實驗環境 - 本文
機器學習作為人工智能重要的技術，已經在計算機視覺、自然語言處理、醫學診斷等等領域得到了廣泛的應用。tensorflow 是谷歌推出的開源的分布式機器學習架構，它也是github社群上最受關注的機器學習項目，目前點贊已經超過3萬個星。
本文是系列中的第一篇文章，會基于docker快速建立一個tensorflow學習環境。
為了利用docker和docker compose編排搭建實驗環境，我們需要
首先執行如下指令獲得教程代碼 (包含對tensorflow 1.0 的支援)
為了運作這個教程你需要安裝tensorflow的執行環境，并配置"jupyter", "tensorboard"來進行互動操作。
一個最簡單的方法是在目前目錄，建立如下的<code>docker-compose.yml</code>模闆
執行如下指令一鍵建立tensorflow的學習環境
我們可以檢查啟動的docker容器
登入密碼為: tensorflow
注：
其中<code>registry.cn-hangzhou.aliyuncs.com/denverdino/tensorflow:1.0.0</code>是基于<code>tensorflow/tensorflow:1.0.0</code>鏡像建構的，隻添加了apt源和pipy源的阿裡雲鏡像。 大家也可以參照<code>https://github.com/denverdino/tensorflow-docker</code>中的dockerfile自己建構，預先添加自己所需的python庫、算法庫等資源。
利用volumes機制，jupyter可以直接從目前notebooks目錄擷取示例。jupyter和tensorboard兩個容器也通過可以檔案卷來共享事件日志。
阿裡雲容器服務支援docker compose模闆部署，通過下面模闆我們可以輕松把tensorflow的學習環境部署到雲端
利用<code>aliyun.routing</code>标簽，我們可以輕松定義jupyter和tensorboard的通路通路端點
如果是老叢集，需要點選容器服務agent更新來提供所需特性和穩定性增強。
幾分鐘之後，我們就可以在雲端有一個學習環境來體驗tensorflow。
我們可以利用docker和阿裡雲容器服務輕松在本地和雲端搭建tensorflow的學習環境。docker作為一個标準化的軟體傳遞手段，可以大大簡化應用軟體的部署和運維複雜度。阿裡雲容器服務支援以docker compose的方式進行容器編排，并提供了衆多擴充，可以友善地支援基于容器的微服務應用的雲端部署和管理。
阿裡雲容器服務還會和高性能計算（hpc）團隊一起配合，之後在阿裡雲上提供結合gpu加速和docker叢集管理的機器學習解決方案，在雲端提升機器學習的效能。