从ubuntu基础镜像开始制作一个拥有jupyterlab的cuda版本的tensorflow镜像

以下是基于Ubuntu 18.04 LTS的Dockerfile示例，其中包含了JupyterLab和CUDA 10.0版本的TensorFlow。

FROM nvidia/cuda:10.0-cudnn7-runtime-ubuntu18.04

# 安装必要的软件包
RUN apt-get update && apt-get install -y \
    python3 \
    python3-pip \
    curl \
    git \
    && rm -rf /var/lib/apt/lists/*

# 安装JupyterLab
RUN pip3 install jupyterlab

# 安装TensorFlow
RUN pip3 install tensorflow-gpu==1.15

# 设置JupyterLab
RUN jupyter lab --generate-config && \
    echo "c.NotebookApp.ip = '0.0.0.0'" >> /root/.jupyter/jupyter_notebook_config.py && \
    echo "c.NotebookApp.token = ''" >> /root/.jupyter/jupyter_notebook_config.py && \
    echo "c.NotebookApp.password = ''" >> /root/.jupyter/jupyter_notebook_config.py

# 设置工作目录
WORKDIR /app

# 暴露端口
EXPOSE 8888

# 启动JupyterLab
CMD ["jupyter", "lab", "--allow-root"]

构建镜像：

docker build -t my-tensorflow-image .

启动容器：

docker run --gpus all -p 8888:8888 -v $(pwd):/app my-tensorflow-image

其中 `--gpus all` 表示使用所有GPU， `-p 8888:8888` 表示将主机的8888端口映射到容器的8888端口， `-v $(pwd):/app` 表示将主机当前目录挂载到容器的/app目录下。

在浏览器中访问 `http://localhost:8888` 即可进入JupyterLab。