初衷：
由于系统、平台的原因，网上有各种版本的tensorflow安装教程，基于linux的、mac的、windows的，各有不同，tensorflow的官网也给出了具体的安装命令。但实际上，即使tensorflow安装成功，还是会遇到需要安装其他辅助工具的情况，同时，换一台机器又要面临整个环境重新安装的问题。由于docker制作一次镜像，可以拷贝重复使用的原因，在这里探讨一下在docker上制作一套完整tensorflow实验环境的流程。
搭建过程：
(1) docker安装：
既然是基于docker，首先需要使用者的机器上已经成功安装好docker环境，并能正常使用，docker的安装在此不述。
(2) 配置SSH远程登录docker：
docker的命令行界面不能复制粘贴，为了方便安装，建议使用xshell或者secureCRT连接docker：
IP地址为启动docker界面的IP，端口为22，用户名为“docker”，密码为“tcuser”
(3)镜像加速配置：
由于需要安装众多的软件，而国外资源经常被墙，配置一个国内镜像环境进行加速是个不错的选择，
daocloud.io(https://www.daocloud.io/mirror#accelerator-doc)给出了配置加速器的具体过程
(4)安装DaoCloud Toolbox
安装DaoCloud Toolbox是为了能使用 dao 命令
在https://dashboard.daocloud.io/选择“我的集群”
然后选择“添加主机”
选择“我已有一台主机|windwos(根据你的环境选择)
选择“安装好了”，进入第2步“安装主机监控程序”
Docker机器启动了的话直接在输入命令2，即可安装监控程序，这样在https://dashboard.daocloud.io/即可看到自己的docker环境的运行情况了。
以上准备工作OK后，进入tensorflow实验环境的搭建及镜像制作：
(5)安装ubuntu
首先是ubuntu环境和python环境安装，跟着命令走就行了：
docker pull daocloud.io/library/ubuntu docker run -it ubuntu:14.04 apt-get update sudo apt-get install python apt-get install wget cd tmp wget https://bootstrap.pypa.io/get-pip.py python get-pip.py apt-get install make apt-get install build-depgcc ===等待安装，这个安装失败不影响 apt-get install build-essential apt-get install libxml2-dev libxslt1-dev apt-get install libgsl0-dev apt-get install python-dev apt-get install libffi-dev apt-get install libssl-dev
(6)安装tensorflow：
安装tensorflow 参考官网ubuntu环境下的tensorflow安装，安装命令为：
sudo apt-get install python-pip python-dev export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0-cp27-none-linux_x86_64.whl sudo pip install --upgrade $TF_BINARY_URL
值得注意的是，安装过程中numpy会下载失败，选择从国内镜像下载安装，同时需要选择与tensorflow匹配的numpy版本，我是从中科大的镜像库下载安装的：
pip install --index https://pypi.mirrors.ustc.edu.cn/simple/ numpy
numpy安装成功后，再次输入：
sudo pip install --upgrade $TF_BINARY_URL
将继续tensorflow的安装
安装一些工具来上传下载文件、编辑文件
sudo apt-get install lrzsz sudo apt-get install vim-gtk
至此，环境基本配置完成了。
(7)保存镜像过程：
退出之前请记住当前用户的镜像image_ID：
退出并保存镜像：
exit docker ps -a -q docker commit 5efae527503c ubuntu/tensorflow
查看我们的镜像：
docker images
运行刚刚制作的镜像：
docker run -it ubuntu/tensorflow
测试安装是否成功：
下次使用时直接进入该镜像环境即可使用了