如何在ubuntu14.04上安装docker并运行image
centos中安装docker是使用的 yum -y install docker ，ubuntu也是一样，可能命令不一样，运行images要先拉取镜像，使用镜像创建容器再运行，你可以去看一下视频教程。
imagenet是基于什么模型的
1、准备数据。
假设已经下载好数据集和验证集，存储路径为：
/path/to/imagenet/train/n01440764/n01440764_10026.JPEG
/path/to/imagenet/val/ILSVRC2012_val_00000001.JPEG
首选需要创建一个txt文件，列举出所有图像以及对应的lable，caffe包“Python/caffe/imagenet/ilsvrc_2012_train.txt”和“ilsvrc_2012_val.txt”两个文件分别是标好的训练集和验证集的文件，共分为1000类。
还需要注意的是，所有的图像都需要归一到同样的尺寸。
2、转化生成训练集。
运行下面的命令：
GLOG_logtostderr=1 examples/convert_imageset.bin /path/to/imagenet/train/ python/caffe/imagenet/ilsvrc_2012_train.txt /path/to/imagenet-train-leveldb
生成文件存储在“/path/to/imagenet-train_leveldb”路径下。
3、计算图像均值。
执行命令：
examples/demo_compute_image_mean.bin /path/to/imagenet-train-leveldb /path/to/mean.binaryproto
第一个参数是执行脚本代码，第二个参数是上一步生成的数据集，第三个参数是存储图像均值的目录路径。
4、定义网络。
ImageNet的网络定义在“examples/imagenet.prototxt”文件中，使用时需要修改里面source和meanfile变量的值，指向自己文件的路径。
仔细观察imagenet.prototxt和imagenet_val.prototxt文件可以发现，训练和验证的参数大部分都相同，不同之处在于初始层和最后一层。训练时，使用softmax_loss层来计算损失函数和初始化后向传播，验证时，使用accuracy层来预测精确度。
在文件“examples/imagenet_solver.prototxt”中定义solver协议，同样需要修改train_net和test_net的路径。
5、训练网络。
执行命令：
GLOG_logtostderr=1 examples/train_net.bin examples/imagenet_solver.prototxt
6、在python中使用已经训练好的模型。
Caffe只提供封装好的imagenet模型，给定一副图像，直接计算出图像的特征和进行预测。首先需要下载模型文件。
k8s和docker区别是什么
k8s和docker区别有以下几点：
1、k8s是一种开放源码的容器集群管理系统，能够实现自动化部署、扩展容器集群、维护等功能。
2、Docker是一种开放源码的应用容器引擎，开发者可以将他们的应用和依赖打包在一个可移植的容器中，发布到流行的Linux机器上，也可以实现虚拟化。
3、k8s的全称kubernetes。它是一个完整的分布式系统支撑平台，集群管理功能齐全。Kubernetes同时提供完善的管理工具，涵盖了开发、部署、测试、运行监控等各个环节。
4、Docker是一种开放源码的应用容器引擎，允许开发人员将其应用和依赖包打包成可移植的镜像，然后发布到任何流行的Linux或Windows机器上，也能实现虚拟化。该容器完全使用沙箱机制，彼此之间没有任何接口。-image
