k8s支持机器学习框架的挑战：
深度学习所依赖的异构设备及英伟达的 GPU 支持。
如何在容器环境下使用GPU应用：
（1）构建支持 GPU 的容器镜像；
（2）利用 Docker 将该镜像运行起来，并且把 GPU 设备和依赖库映射到容器中。
GPU容器镜像原理：
Nvidia 驱动需要内核源码编译，如上图右侧所示，英伟达的 GPU 容器方案是：在宿主机上安装 Nvidia 驱动，而在 CUDA 以上的软件交给容器镜像来做。同时把 Nvidia 驱动里面的链接以 Mount Bind 的方式映射到容器中。
这样的一个好处是：当你安装了一个新的 Nvidia 驱动之后，你就可以在同一个机器节点上运行不同版本的 CUDA 镜像了。
上图右侧反映了 GPU 容器启动后，容器中的 GPU 配置。右上方展示的是设备映射的结果，右下方显示的是驱动库以 Bind 方式映射到容器后，可以看到的变化。
k8s的GPU管理
查看运行结果
