Docker-GPU是一個基于Docker的工具，可以把GPU資源分配給不同的容器。

使用Docker-GPU可以有效地提高機器學習、深度學習和科學計算等任務的性能。Docker-GPU提供了兩種方式來分配GPU資源：基于容器級別的分配和基于進程級別的分配。

基于容器級別的分配是指為整個容器分配一個或多個GPU設備，并且容器內的所有進程都可以使用這些GPU設備。這種方式適用于只需要使用一個或少數GPU設備的任務。下面是一個基于容器級別的分配的例子：

docker run --gpus all tensorflow/tensorflow:latest-gpu

基于進程級別的分配是指為特定的進程分配一個或多個GPU設備，每個進程只能使用自己被分配的GPU設備。這種方式適用于需要使用多個GPU設備的任務。下面是一個基于進程級別的分配的例子：

docker run --runtime=nvidia -e NVIDIA_VISIBLE_DEVICES=1,2,3 tensorflow/tensorflow:latest-gpu python script.py

其中，--runtime=nvidia指定了運行時環境是NVIDIA GPU運行時；-e NVIDIA_VISIBLE_DEVICES=1,2,3指定了可用的GPU設備編號；tensorflow/tensorflow:latest-gpu是容器的鏡像名；python script.py是在容器內執行的命令。

使用Docker-GPU可以輕松地在不同的機器上部署同樣的應用程序，并且可以保證應用程序在不同的環境中始終具有相同的行為。此外，Docker-GPU還可以方便地擴展GPU資源，只需要在集群中添加新的GPU節點，就可以增加整個系統的計算能力。