已经在同一个Docker网络中创建了三个容器，如何使用它们来部署jupyter、tensorflow和pytorch

可以按照以下步骤来部署jupyter、tensorflow和pytorch：

1. 首先，在Docker网络中创建三个容器，分别用于部署jupyter、tensorflow和pytorch。可以使用以下命令创建容器：

   docker run --name jupyter -p 8888:8888 -d jupyter/base-notebook
   docker run --name tensorflow -it -d tensorflow/tensorflow:latest-gpu
   docker run --name pytorch -it -d pytorch/pytorch:latest

这里使用了三个不同的镜像，分别是jupyter/base-notebook、tensorflow/tensorflow和pytorch/pytorch。其中，jupyter/base-notebook是一个基于Jupyter Notebook的镜像，tensorflow/tensorflow和pytorch/pytorch分别是TensorFlow和PyTorch的官方镜像。这些容器分别映射了不同的端口，用于访问Jupyter Notebook、TensorFlow和PyTorch。

2. 接着，可以通过以下命令进入容器，并分别安装所需的Python库：

   docker exec -it jupyter bash
   conda install tensorflow
   conda install pytorch

这里使用了conda这个Python包管理器来安装TensorFlow和PyTorch。需要注意的是，这些命令需要在容器内部执行。

3. 最后，可以在Jupyter Notebook中编写并运行TensorFlow和PyTorch代码。首先，需要获取Jupyter Notebook的访问令牌：

   docker logs jupyter

然后，在浏览器中输入以下地址，使用Jupyter Notebook的访问令牌登录：

   http://localhost:8888/?token=<访问令牌>

在Jupyter Notebook中，可以创建Python Notebook并编写TensorFlow和PyTorch代码。需要注意的是，TensorFlow和PyTorch已经在容器中安装好了，可以直接导入并使用。