Nvdia不只為了搶攻AI市場而推出了整套式GPU伺服器，甚至為了加速建立深度學習與AI所需開發和測試的基礎設施環境，因而趕在今年1月搶先開源釋出了Nvidia Docker函式庫工具測試版，目的是希望讓GPU也能支援新世代IT架構關鍵技術Docker，好讓企業能輕易地調度分配伺服器裡的GPU資源。
這個新釋出的Nvidia Docker儲存庫，內含有用來建立和執行Docker影像檔所需的工具。用戶只需安裝Nvidia driver與Docker後，即可將每一個從CPU轉移到GPU執行的運算任務，各別打包至隔離的虛擬環境之中，除了可以更彈性靈活分派和調度GPU內的運算資源，以提供大量密集運算需求的使用外，並也可跨不同OS平臺使用。
GPU加速應用開始能支援Docker
Nvidia Docker至今已歷經了3個測試版本的更新，在最新釋出的1.0.0 beta 3版中，除了正式支援Docker 1.10和Docker plugin API v1.2以外，也擴大支援364個驅動程式和提供REST API的優化。截至目前，企業已經可以在Nvidia的統一計算架構（Compute Unified Device Architecture，CUDA）當中開始支援Docker，並且可在任一個GPU架構的基礎設施內，來部署Docker化的GPU加速應用。
目前也開始有一些新創公司打算將GPU與Docker結合，例如一家英國系統軟體新創Cake Solutions去年就在官方部落格示範用Nvidia 的深度學習GPU訓練系統（Deep Learning GPU Training System，DIGITS)，來安裝執行Nvidia Docker。
此外，今年GTC大會中也有一些關於結合容器技術的應用實例，例如Bitfusion這家以提供自動加速應用為主的網路公司，就現場介紹可結合容器技術的GPU加速應用。
不過即便GPU開始支援Docker，Nvidia解決方案架構暨工程副總裁Marc Hamilton也坦言，至今GPU只能部份支援Docker，還無法做到全面支援。
Marc Hamilton解釋，這是因為Docker原本就是設計在CPU當中使用，所以運用在CPU時可以獲得很好的利用，但當使用於GPU時，因為GPU與CPU兩者晶片設計架構的不同，所以在使用上就會遇到一些限制。
不過他表示，接下來將擴大與Docker社群的合作，來持續優化在GPU內執行Docker的環境，並以讓GPU能全面支援Docker為目標，最終希望讓GPU做到跟CPU一樣的Docker化。
未來DGX-1執行環境也能用Docker
此外，Marc Hamilton表示，未來也計畫在Nvidia Docker新版本釋出時，開始讓DGX-1執行環境也能支援Docker，希望讓企業未來在以DGX-1來進行深度學習與AI應用時，可以迅速地將一些深度學習框架，例如TensorFlow、Caffe等，通通打包並移轉至新系統當中。
甚至，Nvidia未來更進一步要做到的是，還打算將目前存有超過400個科學相關運算應用，之後也都能在DGX-1 上使用Docker。
Nvidia解決方案架構暨工程副總裁Marc Hamilton坦言，至今GPU只能做到部份支援Docker，還無法做到全面支援，他解釋，這是因為Docker原本就是設計在CPU當中使用，所以可以獲得很好的利用，但GPU就不是如此。不過他也表示，接下來將持續和Docker社群來合作，未來將以讓GPU全面支援Docker為目標。
【相關報導請參考「GPU靠AI直攻運算龍頭」專題】