Docker-GPU是一个基于Docker的工具，可以把GPU资源分配给不同的容器。

使用Docker-GPU可以有效地提高机器学习、深度学习和科学计算等任务的性能。Docker-GPU提供了两种方式来分配GPU资源：基于容器级别的分配和基于进程级别的分配。

基于容器级别的分配是指为整个容器分配一个或多个GPU设备，并且容器内的所有进程都可以使用这些GPU设备。这种方式适用于只需要使用一个或少数GPU设备的任务。下面是一个基于容器级别的分配的例子：

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

基于进程级别的分配是指为特定的进程分配一个或多个GPU设备，每个进程只能使用自己被分配的GPU设备。这种方式适用于需要使用多个GPU设备的任务。下面是一个基于进程级别的分配的例子：

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

其中，--runtime=nvidia指定了运行时环境是NVIDIA GPU运行时；-e NVIDIA_VISIBLE_DEVICES=1,2,3指定了可用的GPU设备编号；tensorflow/tensorflow:latest-gpu是容器的镜像名；python script.py是在容器内执行的命令。

使用Docker-GPU可以轻松地在不同的机器上部署同样的应用程序，并且可以保证应用程序在不同的环境中始终具有相同的行为。此外，Docker-GPU还可以方便地扩展GPU资源，只需要在集群中添加新的GPU节点，就可以增加整个系统的计算能力。