Docker部署Jupyter笔记本电脑与GPU

我正在尝试创build一个群集，可以在使用p2实例创build的AWS GPU群集内部启动带有Tensorflow和Jupyter笔记本的Docker。 我也希望每个用户都有自己的文件夹。 理想情况下，每个实例最多可以运行两个docker，如果需要一个新的docker，我们将启动一个新的实例。

我试图使用AWS ECS来做到这一点，我设法使用Jupyter在TF docker镜像和GPU的固定端口上启动任务。

我也想为每个用户安装一个不同的文件夹，我认为可以在任务定义中使用一个variablesmount / folder / $（userid）/，但这是不可能的。

我也试图自动启动一个新的实例添加到集群，如果实例已经有两个docker运行。

现在我找不到解决这两个问题的办法，我看到Kubernetes可以取代ECS，你认为Kubernetes会是我想要做的一个很好的解决scheme吗？

如果不是我能做些什么来使它与ECS一起工作？

随意给任何build议

谢谢！

这是我目前的dockerconfiguration：我现在没有实现用户文件夹：

"containerDefinitions": [ { "volumesFrom": [], "memory": 2048, "extraHosts": null, "linuxParameters": null, "dnsServers": null, "disableNetworking": null, "dnsSearchDomains": null, "portMappings": [ { "hostPort": 0, "containerPort": 8888, "protocol": "tcp" } ], "hostname": null, "essential": true, "entryPoint": [ "jupyter", "notebook", "--no-browser", "--allow-root", "--NotebookApp.token=pass", "--NotebookApp.port=8888" ], "mountPoints": [ { "containerPath": "/usr/local/nvidia", "sourceVolume": "nvidia", "readOnly": false } ], "name": "gputask", "ulimits": null, "dockerSecurityOptions": null, "environment": [], "links": null, "workingDirectory": null, "readonlyRootFilesystem": null, "image": "gcr.io/tensorflow/tensorflow:latest-gpu", "command": [], "user": null, "dockerLabels": null, "logConfiguration": null, "cpu": 2048, "privileged": true, "memoryReservation": null } ], "placementConstraints": [], "volumes": [ { "host": { "sourcePath": "/var/lib/nvidia-docker/volumes/nvidia_driver/latest" }, "name": "nvidia" }