ubuntu虚拟机建立了两个docker容器，一个部署了jupyternotebook，一个部署了pytorch，如何在两个容器分配任务，共同完成一个深度学习任务

可以将深度学习任务的代码和数据放在一个共享的目录中，然后在Jupyter Notebook容器中编写代码并运行，将需要使用PyTorch的部分代码封装成函数或模块，在Jupyter Notebook中调用PyTorch容器中的API来完成相应的计算任务。

可以使用Docker Compose来创建一个多容器的应用，可以使用`docker-compose.yml`文件来定义和配置多个容器。在该文件中定义两个容器，一个是Jupyter Notebook容器，一个是PyTorch容器，并使用Docker网络进行连接。在Jupyter Notebook容器中，可以使用`requests`或`grpc`等方式来调用PyTorch容器中的API。

具体步骤如下：

1. 在共享目录中创建一个Python文件，其中包含深度学习任务的代码，将需要使用PyTorch的部分代码封装成函数或模块。
2. 创建一个Dockerfile来构建Jupyter Notebook容器镜像，其中需要安装Python、Jupyter Notebook和所需的Python库。
3. 创建一个Dockerfile来构建PyTorch容器镜像，其中需要安装Python、PyTorch和所需的Python库。
4. 创建一个`docker-compose.yml`文件，定义两个服务：Jupyter Notebook服务和PyTorch服务，并使用Docker网络将它们连接起来。
5. 启动Docker Compose，使用`docker-compose up`命令启动两个容器。
6. 在Jupyter Notebook容器中使用Python代码调用PyTorch容器中的API来完成计算任务。

需要注意的是，为了让Jupyter Notebook容器能够调用PyTorch容器中的API，需要在PyTorch容器中设置API的端口号，并在Jupyter Notebook容器中使用相应的端口号进行访问。同时，为了避免数据在容器之间传输过程中的问题，可以将数据放在共享目录中，让两个容器共享数据。