Merge pull request #13280 from JiabinYang/install_doc_15

renew install_doc for release_0.15.0

doc/fluid/new_docs/beginners_guide/index.rst

@@ -9,7 +9,7 @@
 ..  toctree::
     :maxdepth: 2
     
-    install/install_doc.rst
+    install/install_doc.md
     quick_start/index.rst
     basics/index.rst
     basics/learning_materials.md

doc/fluid/new_docs/beginners_guide/install/install_doc.md

+# **安装说明**
+本说明将指导您在*64位台式机或笔记本电脑*上编译和安装PaddlePaddle，目前PaddlePaddle支持以下环境：
+
+* *Ubuntu 14.04 /16.04 /18.04*
+* *CentOS 7 / 6*
+* *MacOS 10.12 / 10.13*
+* *Windows7 / 8/ 10(专业版/企业版)*
+
+请确保您的环境满足以上条件       
+如在安装或编译过程中遇到问题请参见[FAQ](#FAQ)          
+
+
+## **安装PaddlePaddle**
+
+* Ubuntu下安装PaddlePaddle
+* CentOS下安装PaddlePaddle
+* MacOS下安装PaddlePaddle
+* Windows下安装PaddlePaddle
+
+***
+### **Ubuntu下安装PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及Ubuntu系统下安装PaddlePaddle，我们支持的Ubuntu系统需满足以下要求：
+
+请注意：在其他系统上的尝试可能会导致安装失败。
+
+* *Ubuntu 14.04 /16.04 /18.04*
+
+#### 确定要安装的PaddlePaddle版本
+
+* 仅支持CPU的PaddlePaddle。如果您的计算机没有 NVIDIA® GPU，则只能安装此版本。如果您的计算机有GPU，
+也推荐您先安装CPU版本的PaddlePaddle，来检测您本地的环境是否适合。
+
+* 支持GPU的PaddlePaddle。为了使PaddlePaddle程序运行更加迅速，我们通过GPU对PaddlePaddle程序进行加速，但安装GPU版本的PaddlePaddle需要先拥有满足以下条件的NVIDIA® GPU（具体安装流程和配置请务必参见NVIDIA官方文档：[For CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[For cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)）
+	* *CUDA 工具包9.0配合cuDNN v7*
+	* *CUDA 工具包8.0配合cuDNN v7*
+	* *GPU运算能力超过1.0的硬件设备*
+
+
+
+#### 选择如何安装PaddlePaddle
+在Ubuntu的系统下我们提供4种安装方式：
+
+* Docker安装
+* pip安装
+* 源码编译安装
+* Docker源码编译安装
+
+
+我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+**使用pip安装**，我们为您提供pip安装方法，但它更依赖您的本机环境，可能会出现和您本机环境相关的一些问题。         
+
+
+
+从[**源码编译安装**](#ubt_source)以及[**使用Docker进行源码编译安装**](#ubt_docker)，这是一种通过将PaddlePaddle源代码编译成为二进制文件，然后在安装这个二进制文件的过程，相比使用我们为您编译过的已经通过测试的二进制文件形式的PaddlePaddle，手动编译更为复杂，我们将在说明的最后详细为您解答。
+<br/><br/>
+##### ***使用Docker进行安装***
+
+<!-- TODO: uncomment it when the offical website can split it to different pages我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。-->
+
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)。
+
+
+
+> 请注意，要安装和使用支持 GPU 的PaddlePaddle版本，您必须先安装[nvidia-docker](https://github.com/NVIDIA/nvidia-docker)
+
+
+
+如果已经**正确安装Docker**，即可以开始**使用Docker安装PaddlePaddle**
+
+1. 使用以下指令拉取我们为您预安装好PaddlePaddle的镜像：
+
+
+	* 对于需要**CPU版本的PaddlePaddle**的用户请使用以下指令拉取我们为您预安装好*PaddlePaddle For CPU*的镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:0.15.0`
+		
+
+	* 对于需要**GPU版本的PaddlePaddle**的用户请使用以下指令拉取我们为您预安装好*PaddlePaddle For GPU*的镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:0.15.0-gpu-cuda9.0-cudnn7`
+		
+
+	* 您也可以通过以下指令拉取任意的我们提供的Docker镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:[tag]`
+		> （请把[tag]替换为[镜像表](#dockers)中的内容）
+		
+2. 使用以下指令用已经拉取的镜像构建并进入Docker容器：
+
+	`docker run --name [Name of container] -it -v $PWD:/paddle <imagename> /bin/bash`
+
+	> 上述命令中，--name [Name of container] 设定Docker的名称；-it 参数说明容器已和本机交互式运行； -v $PWD:/paddle 指定将当前路径（Linux中PWD变量会展开为当前路径的绝对路径）挂载到容器内部的 /paddle 目录； `<imagename>` 指定需要使用的image名称，如果您需要使用我们的镜像请使用`hub.baidubce.com/paddlepaddle/paddle:[tag]` 注：tag的意义同第二步；/bin/bash是在Docker中要执行的命令。
+
+3. （可选：当您需要第二次进入Docker容器中）使用如下命令使用PaddlePaddle：
+
+	`docker start [Name of container]`
+	> 启动之前创建的容器。
+
+	`docker attach [Name of container]`
+	> 进入启动的容器。
+	
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+
+
+<br/><br/>
+##### ***使用pip安装PaddlePaddle***
+
+您可以直接粘贴以下命令到命令行来安装PaddlePaddle(适用于ubuntu16.04及以上安装CPU-ONLY的版本)，如果出现问题，您可以参照后面的解释对命令作出适应您系统的更改：
+		
+	apt update && apt install -y python-dev python-pip && pip install paddlepaddle        
+	
+	
+首先，我们使用以下指令来**检测本机的环境**是否适合安装PaddlePaddle：
+
+`uname -m && cat /etc/*release`
+> 上面的命令将会显示本机的操作系统和位数信息，请确保您的计算机和本教程的要求一致。
+
+
+其次，您的电脑需要满足以下要求：
+
+*	Python2.7.x (dev)
+*	Pip >= 9.0.1     
+	
+	> 您的Ubuntu上可能已经安装pip请使用pip -V来确认我们建议使用pip 9.0.1或更高版本来安装
+
+	更新apt的源：   `apt update`
+
+	使用以下命令安装或升级Python和pip到需要的版本： `sudo apt install python-dev python-pip`
+	> 即使您的环境中已经有Python2.7也需要安装Python dev。
+
+现在，让我们来安装PaddlePaddle：
+
+1. 使用pip install来安装PaddlePaddle
+
+	* 对于需要**CPU版本PaddlePaddle**的用户：`pip install paddlepaddle`
+	
+
+	* 对于需要**GPU版本PaddlePaddle**的用户：`pip install paddlepaddle-gpu`
+	> 1. 为防止出现nccl.h找不到的问题请首先按照以下命令安装nccl2（这里提供的是ubuntu 16.04，CUDA8，cuDNN v7下nccl2的安装指令），更多版本的安装信息请参考NVIDIA[官方网站](https://developer.nvidia.com/nccl/nccl-download):      
+		a. `wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb`             
+		b. `sudo apt-get install libnccl2=2.2.13-1+cuda8.0 libnccl-dev=2.2.13-1+cuda8.0`
+	> 2. 如果您不规定pypi包版本号，我们默认为您提供支持Cuda 8/cuDNN v7的PaddlePaddle版本。
+
+
+	对于出现`Cannot uninstall 'six'.`问题的用户，可是由于您的系统中已有的Python安装问题造成的，请使用`pip install paddlepaddle --ignore-installed six`（CPU）或`pip 	install paddlepaddle --ignore-installed six`（GPU）解决。      
+	
+	* 对于有**其他要求**的用户：`pip install paddlepaddle==[版本号]`
+	> `版本号`参见[安装包列表](#whls)或者您如果需要获取并安装**最新的PaddlePaddle开发分支**，可以从[多版本whl包列表](#ciwhls)或者我们的[CI系统](https://paddleci.ngrok.io/project.html?projectId=Manylinux1&tab=projectOverview) 中下载最新的whl安装包和c-api开发包并安装。如需登录，请点击“Log in as guest”。     
+	
+	
+	
+
+现在您已经完成使用`pip install` 来安装的PaddlePaddle的过程。
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`
+
+* ***GPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle-gpu`
+
+<br/><br/>
+### **CentOS下安装PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及CentOS系统下安装PaddlePaddle，我们支持的CentOS系统需满足以下要求：      
+
+
+请注意：在其他系统上的尝试可能会导致安装失败。
+
+* *CentOS 6 / 7*
+
+#### 确定要安装的PaddlePaddle版本
+* 仅支持CPU的PaddlePaddle。如果您的计算机没有 NVIDIA® GPU，则只能安装此版本。如果您的计算机有GPU，
+推荐您先安装CPU版本的PaddlePaddle，来检测您本地的环境是否适合。
+
+* 支持GPU的PaddlePaddle，为了使PaddlePaddle程序运行的更加迅速，我们通过GPU对PaddlePaddle程序进行加速，但安装GPU版本的PaddlePaddle需要先拥有满足以下条件的NVIDIA® GPU（具体安装流程和配置请务必参见NVIDIA官方文档：[For CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[For cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)）
+	* *CUDA 工具包9.0配合cuDNN v7*
+	* *CUDA 工具包8.0配合cuDNN v7*
+	* *GPU运算能力超过1.0的硬件设备*
+
+
+
+#### 选择如何安装PaddlePaddle
+在CentOS的系统下我们提供4种安装方式：
+
+* Docker安装（不支持GPU版本）
+* pip安装
+* 源码编译安装（不支持CentOS 6的所有版本以及CentOS 7的GPU版本）
+* Docker源码编译安装（不支持GPU版本）
+
+
+我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+**使用pip安装**，我们为您提供pip安装方法，但它更依赖您的本机环境，可能会出现和您本机环境相关的一些问题。
+
+从[**源码编译安装**](#ct_source)以及[**使用Docker进行源码编译安装**](#ct_docker)，这是一种通过将PaddlePaddle源代码编译成为二进制文件，然后在安装这个二进制文件的过程，相比使用我们为您编译过的已经通过测试的二进制文件形式的PaddlePaddle，手动编译更为复杂，我们将在说明的最后详细为您解答。
+<br/><br/>
+##### ***使用Docker进行安装***
+
+<!-- 我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。-->
+
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)
+
+
+> 请注意，要安装和使用支持 GPU 的PaddlePaddle版本，您必须先安装[nvidia-docker](https://github.com/NVIDIA/nvidia-docker)
+
+
+
+当您已经**正确安装Docker**后你就可以开始**使用Docker安装PaddlePaddle**
+
+1. 使用以下指令拉取我们为您预安装好PaddlePaddle的镜像：
+
+
+	* 对于需要**CPU版本的PaddlePaddle**的用户请使用以下指令拉取我们为您预安装好*PaddlePaddle For CPU*的镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:0.15.0`       
+		
+		
+
+
+	* 您也可以通过以下指令拉取任意的我们提供的Docker镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:[tag]`
+		> （请把[tag]替换为[镜像表](#dockers)中的内容）    
+		
+		
+2. 使用以下指令用已经拉取的镜像构建并进入Docker容器：
+
+	`docker run --name [Name of container] -it -v $PWD:/paddle <imagename> /bin/bash`
+	
+	> 上述命令中，--name [Name of container] 设定Docker的名称；-it 参数说明容器已和本机交互式运行； -v $PWD:/paddle 指定将当前路径（Linux中PWD变量会展开为当前路径的[绝对路径](https://baike.baidu.com/item/绝对路径/481185)）挂载到容器内部的 /paddle 目录； `<imagename>` 指定需要使用的image名称，如果您需要使用我们的镜像请使用`hub.baidubce.com/paddlepaddle/paddle:[tag]` 注：tag的意义同第二步，/bin/bash是在Docker中要执行的命令。  
+
+3. （可选：当您需要第二次进入Docker容器中）使用如下命令使用PaddlePaddle：
+
+	`docker start [Name of container]`
+	> 启动之前创建的容器。
+
+	`docker attach [Name of container]`
+	> 进入启动的容器。
+	
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+
+
+<br/><br/>
+##### ***使用pip安装PaddlePaddle***
+
+您可以直接粘贴以下命令到命令行来安装PaddlePaddle(适用于CentOS7安装CPU-ONLY的版本)，如果出现问题，您可以参照后面的解释对命令作出适应您系统的更改：
+		
+	yum update && yum install -y epel-release && yum install -y python-devel python-pip && pip install paddlepaddle && export LD_LIBRARY_PATH=/usr/lib:$LD_LIBRARY_PATH
+
+首先，我们使用以下指令来**检测本机的环境**是否适合安装PaddlePaddle：
+
+`uname -m && cat /etc/*release`
+> 上面的命令将会显示本机的操作系统和位数信息，请确保您的计算机和本教程的要求一致。
+
+
+其次，您的计算机需要满足以下要求：
+
+*	Python2.7.x (devel)   
+	
+	> CentOS6需要编译Python2.7成[共享库](#FAQ)。         
+
+
+*	Pip >= 9.0.1     
+	
+	> 您的CentOS上可能已经安装pip请使用pip -V来确认我们建议使用pip 9.0.1或更高版本来安装。
+
+	更新yum的源：   `yum update` 并安装拓展源以安装pip：   `yum install -y epel-release`
+
+	使用以下命令安装或升级Python和pip到需要的版本： `sudo yum install python-devel python-pip`
+	> 即使您的环境中已经有`Python2.7`也需要安装`python devel`。
+
+下面将说明如何安装PaddlePaddle：
+
+1. 使用pip install来安装PaddlePaddle：
+	
+	* 对于需要**CPU版本PaddlePaddle**的用户：`pip install paddlepaddle`
+
+
+	* 对于需要**GPU版本PaddlePaddle**的用户: `pip install paddlepaddle-gpu`
+	> 1. 为防止出现nccl.h找不到的问题请首先按照NVIDIA[官方网站](https://developer.nvidia.com/nccl/nccl-download)的指示正确安装nccl2
+	> 2. 如果您不规定pypi包版本号，我们默认为您提供支持Cuda 8/cuDNN v7的PaddlePaddle版本。 
+
+	对于出现`Cannot uninstall 'six'.`问题的用户，可是由于您的系统中已有的Python安装问题造	成的，请使用`pip install paddlepaddle --ignore-installed six`（CPU）或`pip 	install paddlepaddle-gpu --ignore-installed six`（GPU）解决。
+	
+	* 对于有**其他要求**的用户：`pip install paddlepaddle==[版本号]`
+	> `版本号`参见[安装包列表](#whls)或者您如果需要获取并安装**最新的PaddlePaddle开发分支**，可以从我们的[CI系统](https://paddleci.ngrok.io/project.html?projectId=Manylinux1&tab=projectOverview) 中下载最新的whl安装包和c-api开发包并安装。如需登录，请点击“Log in as guest”。            
+	
+	    
+	    
+
+现在您已经完成通过`pip install` 来安装的PaddlePaddle的过程。
+
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入Python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`
+
+* ***GPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle-gpu`
+
+
+
+
+<br/><br/>
+### **MacOS下安装PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及MacOS系统下安装PaddlePaddle，我们支持的MacOS系统需满足以下要求。
+
+请注意：在其他系统上的尝试可能会导致安装失败。
+
+* *MacOS 10.12/10.13*
+
+#### 确定要安装的PaddlePaddle版本
+
+* 仅支持CPU的PaddlePaddle。
+
+
+
+#### 选择如何安装PaddlePaddle
+在MacOS的系统下我们提供3种安装方式：
+
+* Docker安装（不支持GPU版本）
+* Docker源码编译安装（不支持GPU版本）
+
+
+我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+
+
+<br/><br/>
+##### ***使用Docker进行安装***
+
+<!-- 我们更加推荐**使用Docker进行安装**，因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。-->
+
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)。
+> 请注意，在MacOS系统下登陆docker需要使用您的dockerID进行登录，否则将出现`Authenticate Failed`错误。
+
+如果已经**正确安装Docker**，即可以开始**使用Docker安装PaddlePaddle**
+
+1. 使用以下指令拉取我们为您预安装好PaddlePaddle的镜像：
+
+
+	* 对于需要**CPU版本的PaddlePaddle**的用户请使用以下指令拉取我们为您预安装好*PaddlePaddle For CPU*的镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:0.15.0`
+		
+
+	* 您也可以通过以下指令拉取任意的我们提供的Docker镜像：
+
+		`docker pull hub.baidubce.com/paddlepaddle/paddle:[tag]`
+		> （请把[tag]替换为[镜像表](#dockers)中的内容）
+		
+2. 使用以下指令用已经拉取的镜像构建并进入Docker容器：
+
+	`docker run --name [Name of container] -it -v $PWD:/paddle <imagename> /bin/bash`
+
+	> 上述命令中，--name [Name of container] 设定Docker的名称；-it 参数说明容器已和本机交互式运行； -v $PWD:/paddle 指定将当前路径（Linux中PWD变量会展开为当前路径的[绝对路径](https://baike.baidu.com/item/绝对路径/481185)）挂载到容器内部的 /paddle 目录； `<imagename>` 指定需要使用的image名称，如果您需要使用我们的镜像请使用`hub.baidubce.com/paddlepaddle/paddle:[tag]` 注：tag的意义同第二步；/bin/bash是在Docker中要执行的命令。
+
+3. （可选：当您需要第二次进入Docker容器中）使用如下命令使用PaddlePaddle：
+
+	`docker start [Name of container]`
+	> 启动之前创建的容器。
+
+	`docker attach [Name of container]`
+	> 进入启动的容器。     
+	
+	
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+<!--TODO: When we support pip install mode on MacOS, we can write on this part -->
+
+
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`     
+
+
+
+
+<br/><br/>
+### **Windows下安装PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及Windows系统下安装PaddlePaddle，我们支持的Windows系统需满足以下要求。
+
+请注意：在其他系统上的尝试可能会导致安装失败。
+
+* *Windows 7/8 and Windows 10 专业版/企业版*
+
+#### 确定要安装的PaddlePaddle版本
+
+* Windows下我们目前仅提供支持CPU的PaddlePaddle。
+
+
+#### 选择如何安装PaddlePaddle
+在Windows系统下请使用我们为您提供的[一键安装包](http://paddle-windows-0150.bj.bcebos.com/PaddlePaddle-windows-0.15.0.zip)进行安装
+	
+> 我们提供的一键安装包将基于Docker为您进行便捷的安装流程
+
+
+我们之所以使用**基于Docker的安装方式**，是因为我们在把工具和配置都安装在一个 Docker image 里，这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+<!--从**源码编译安装**，在Windows下我们不支持**直接源码编译安装**，使用docker进行源码编译的过程将在文档的最后为您展示。-->
+
+
+
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`   
+
+
+
+
+
+
+<br/><br/>
+## **从源码编译PaddlePaddle**
+我们也为您提供了从源码编译的方式，但不推荐您使用这种方式，这是因为您的本机环境多种多样，在编译源码时易出现复杂的本说明中覆盖以外问题而造成安装失败。
+      
+***       
+### **Ubuntu下从源码编译PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及Ubuntu系统下编译PaddlePaddle，我们支持的Ubuntu系统需满足以下要求：
+
+* Ubuntu 14.04/16.04/18.04（这涉及到相关工具是否能被正常安装）
+
+#### 确定要编译的PaddlePaddle版本
+* **仅支持CPU的PaddlePaddle**，如果您的系统没有 NVIDIA® GPU，则必须安装此版本。而此版本较GPU版本更加容易安
+因此即使您的计算机上拥有GPU我们也推荐您先安装CPU版本的PaddlePaddle来检测您本地的环境是否适合。
+
+* **支持GPU的PaddlePaddle**，为了使得PaddlePaddle程序运行的更加迅速，我们通常使用GPU对PaddlePaddle程序进行加速，但安装GPU版本的PaddlePaddle需要先拥有满足以下条件的NVIDIA® GPU（具体安装流程和配置请务必参见NVIDIA官方文档：[For CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[For cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)）
+	* *CUDA 工具包9.0配合cuDNN v7*
+	* *CUDA 工具包8.0配合cuDNN v7*
+	* *GPU运算能力超过1.0的硬件设备*
+
+#### 选择如何编译PaddlePaddle
+在Ubuntu的系统下我们提供2种编译方式：
+
+* Docker源码编译
+* 直接本机源码编译
+
+我们更加推荐**使用Docker进行编译**，因为我们在把工具和配置都安装在一个 Docker image 里。这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。有人用虚拟机来类比 Docker。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+我们也提供了可以从**本机直接源码编译**的方法，但是由于在本机上的情况更加复杂，我们只对特定系统提供了支持。        
+
+<a name="ubt_docker"></a>                         
+
+<br/><br/>
+##### ***使用Docker进行编译***
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)
+
+
+> 请注意，要安装和使用支持 GPU 的PaddlePaddle版本，您必须先安装[nvidia-docker](https://github.com/NVIDIA/nvidia-docker)
+
+
+
+当您已经**正确安装Docker**后你就可以开始**使用Docker编译PaddlePaddle**：
+
+1. 请首先选择您希望储存PaddlePaddle的路径，然后在该路径下使用以下命令将PaddlePaddle的源码从github克隆到本地当前目录下名为Paddle的文件夹中：
+
+	`git clone https://github.com/PaddlePaddle/Paddle.git`
+
+2. 进入Paddle目录下： `cd Paddle`
+
+3. 利用我们提供的镜像（使用该命令您可以不必提前下载镜像）：
+
+	`docker run --name paddle-test -v $PWD:/paddle --network=host -it hub.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash`
+	> --name paddle-test为您创建的Docker容器命名为paddle-test，-v $PWD:/paddle 将当前目录挂载到Docker容器中的/paddle目录下（Linux中PWD变量会展开为当前路径的[绝对路径](https://baike.baidu.com/item/绝对路径/481185)），-it 与宿主机保持交互状态，`hub.baidubce.com/paddlepaddle/paddle:latest-dev` 使用名为`hub.baidubce.com/paddlepaddle/paddle:latest-dev`的镜像创建Docker容器，/bin/bash 进入容器后启动/bin/bash命令。
+
+4. 进入Docker后进入paddle目录下：`cd paddle`
+
+5. 切换到较稳定release分支下进行编译：
+
+	`git checkout release/0.15.0`
+
+6. 创建并进入/paddle/build路径下：
+
+	`mkdir -p /paddle/build && cd /paddle/build`
+
+7. 使用以下命令安装相关依赖：
+
+	`pip install protobuf==3.1.0`
+	> 安装protobuf 3.1.0。
+
+	`apt install patchelf`
+	> 安装patchelf，PatchELF 是一个小而实用的程序，用于修改ELF可执行文件的动态链接器和RPATH。
+
+8. 执行cmake：     
+	
+	>具体编译选项含义请参见[编译选项表](#Compile)<!--TODO: Link 编译选项表到这里-->
+
+
+	*  对于需要编译**CPU版本PaddlePaddle**的用户：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF`
+
+
+	* 对于需要编译**GPU版本PaddlePaddle**的用户：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=ON -DWITH_TESTING=OFF`
+
+
+9. 执行编译：
+
+	`make -j$(nproc)`
+	> 使用多核编译
+
+10. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包： `cd /paddle/build/python/dist`
+
+11. 在当前机器或目标机器安装编译好的`.whl`包：
+
+	`pip install （whl包的名字）`
+
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+
+恭喜您，现在您已经完成使用Docker编译PaddlePaddle的过程。            
+
+<a name="ubt_source"></a>    
+	
+<br/><br/>
+##### ***本机编译***
+
+1. 检查您的计算机和操作系统是否符合我们支持的编译标准： `uname -m && cat /etc/*release`
+
+2. 更新`apt`的源： `apt update`
+
+2. 我们支持使用virtualenv进行编译安装，首先请使用以下命令创建一个名为`paddle-venv`的虚环境：
+
+	* 安装Python-dev: `apt install python-dev`
+
+	* 安装pip: `apt install python-pip` (请保证拥有9.0.1及以上版本的pip）
+
+	* 安装虚环境`virtualenv`以及`virtualenvwrapper`并创建名为`paddle-venv`的虚环境：
+
+		1.  `apt install virtualenv` 或 `pip install virtualenv`
+		2.  `apt install virtualenvwrapper` 或 `pip install virtualenvwrapper`
+		3.  找到`virtualenvwrapper.sh`： `find / -name virtualenvwrapper.sh`
+		4.  查看`virtualenvwrapper.sh`中的安装方法： `cat virtualenvwrapper.sh`
+		5.  按照`virtualenvwrapper.sh`中的安装方法安装`virtualwrapper`
+		6.  创建名为`paddle-venv`的虚环境： `mkvirtualenv paddle-venv`
+
+
+3. 进入虚环境：`workon paddle-venv`         
+
+
+4. **执行编译前**请您确认在虚环境中安装有[编译依赖表](#third_party)中提到的相关依赖：<!--TODO：Link 安装依赖表到这里-->
+
+	* 这里特别提供`patchELF`的安装方法，其他的依赖可以使用`apt install`或者`pip install` 后跟依赖名称和版本安装:
+
+		`apt install patchelf`
+		> 不能使用apt安装的用户请参见patchElF github[官方文档](https://gist.github.com/ruario/80fefd174b3395d34c14)
+
+5. 将PaddlePaddle的源码clone在当下目录下的Paddle的文件夹中，并进入Padde目录下：
+
+	- `git clone https://github.com/PaddlePaddle/Paddle.git`
+
+	- `cd Paddle`
+
+6. 切换到较稳定release分支下进行编译：
+
+	`git checkout release/0.15.0`
+
+7. 并且请创建并进入一个叫build的目录下：
+
+	`mkdir build && cd build`
+
+8. 执行cmake：       
+	
+	>具体编译选项含义请参见[编译选项表](#Compile)<!--TODO：Link 安装选项表到这里-->
+
+
+	*  对于需要编译**CPU版本PaddlePaddle**的用户：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF`.
+
+
+	* 对于需要编译**GPU版本PaddlePaddle**的用户：(*仅支持ubuntu16.04/14.04*)
+
+		1. 请确保您已经正确安装nccl2，或者按照以下指令安装nccl2（这里提供的是ubuntu 16.04，CUDA8，cuDNN7下nccl2的安装指令），更多版本的安装信息请参考NVIDIA[官方网站](https://developer.nvidia.com/nccl/nccl-download):      
+			i. `wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb`            
+			ii. `sudo apt-get install libnccl2=2.2.13-1+cuda8.0 libnccl-dev=2.2.13-1+cuda8.0` 
+		
+		2. 如果您已经正确安装了`nccl2`，就可以开始cmake了：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=ON -DWITH_TESTING=OFF`
+
+9. 使用以下命令来编译：
+
+	`make -j$(nproc)`
+
+10. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包： `cd /paddle/build/python/dist`
+
+11. 在当前机器或目标机器安装编译好的`.whl`包：
+
+	`pip install （whl包的名字）`
+
+恭喜您，现在您已经完成使本机编译PaddlePaddle的过程了。
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入Python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`
+
+* ***GPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle-gpu`
+
+
+<br/><br/>
+### **CentOS下从源码编译PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及CentOS系统下编译PaddlePaddle，我们支持的Ubuntu系统需满足以下要求：
+
+* CentOS 7 / 6（这涉及到相关工具是否能被正常安装）
+
+#### 确定要编译的PaddlePaddle版本
+* **仅支持CPU的PaddlePaddle**。
+
+<!--* 支持GPU的PaddlePaddle，为了使得PaddlePaddle程序运行的更加迅速，我们通常使用GPU对PaddlePaddle程序进行加速，但安装GPU版本的PaddlePaddle需要先拥有满足以下条件的NVIDIA® GPU（具体安装流程和配置请务必参见NVIDIA官方文档：[For CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[For cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)）
+	* *Cuda 工具包9.0配合cuDNN v7*
+	* *Cuda 工具包8.0配合cuDNN v7*
+	* *GPU运算能力超过1.0的硬件设备*-->
+
+#### 选择如何编译PaddlePaddle
+我们在CentOS的系统下提供2种编译方式：
+
+* Docker源码编译（不支持CentOS 6 / 7的GPU版本）
+* 直接本机源码编译（不支持CentOS 6的全部版本以及CentOS 7的GPU版本）
+
+我们更加推荐**使用Docker进行编译**，因为我们在把工具和配置都安装在一个 Docker image 里。这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+同样对于那些出于各种原因不能够安装Docker的用户我们也提供了可以从**本机直接源码编译**的方法，但是由于在本机上的情况更加复杂，因此我们只支持特定的系统。            
+
+<a name="ct_docker"></a>
+
+
+<br/><br/>
+##### ***使用Docker进行编译***
+
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)。   
+
+
+<!--TODO add the following back when support gpu version on Cent-->
+
+当您已经**正确安装Docker**后你就可以开始**使用Docker编译PaddlePaddle**啦：
+
+1. 请首先选择您希望储存PaddlePaddle的路径，然后在该路径下使用以下命令将PaddlePaddle的源码从github克隆到本地当前目录下名为Paddle的文件夹中：
+
+	`git clone https://github.com/PaddlePaddle/Paddle.git`
+
+2. 进入Paddle目录下： `cd Paddle`
+
+3. 利用我们提供的镜像（使用该命令您可以不必提前下载镜像）：
+
+	`docker run --name paddle-test -v $PWD:/paddle --network=host -it hub.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash`
+	> --name paddle-test为您创建的Docker容器命名为paddle-test，-v $PWD:/paddle 将当前目录挂载到Docker容器中的/paddle目录下（Linux中PWD变量会展开为当前路径的[绝对路径](https://baike.baidu.com/item/绝对路径/481185)），-it 与宿主机保持交互状态，`hub.baidubce.com/paddlepaddle/paddle` 使用名为`hub.baidubce.com/paddlepaddle/paddle:latest-dev`的镜像创建Docker容器，/bin/bash 进入容器后启动/bin/bash命令。
+
+4. 进入Docker后进入paddle目录下：`cd paddle`
+
+5. 切换到较稳定release分支下进行编译：
+
+	`git checkout release/0.15.0`
+
+6. 创建并进入/paddle/build路径下：
+
+	`mkdir -p /paddle/build && cd /paddle/build`
+
+7. 使用以下命令安装相关依赖：
+
+	`pip install protobuf==3.1.0`
+	> 安装protobuf 3.1.0。
+
+	`apt install patchelf`
+	> 安装patchelf，PatchELF 是一个小而实用的程序，用于修改ELF可执行文件的动态链接器和RPATH。
+
+8. 执行cmake：       
+	
+	>具体编译选项含义请参见[编译选项表](#Compile)
+	
+	
+	*  对于需要编译**CPU版本PaddlePaddle**的用户：      
+
+		
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF`
+	
+	
+	>> 我们目前不支持CentOS下GPU版本PaddlePaddle的编译     
+		
+9. 执行编译：
+
+	`make -j$(nproc)`
+	> 使用多核编译
+
+10. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包： `cd /paddle/build/python/dist`
+
+11. 在当前机器或目标机器安装编译好的`.whl`包：
+
+	`pip install （whl包的名字）`
+
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+
+恭喜您，现在您已经完成使用Docker编译PaddlePaddle的过程。        
+
+
+
+      
+
+<a name="ct_source"></a>
+
+
+<br/><br/>
+##### ***本机编译***
+
+1. 检查您的计算机和操作系统是否符合我们支持的编译标准： `uname -m && cat /etc/*release`
+
+2. 更新`yum`的源： `yum update`, 并添加必要的yum源：`yum install -y epel-release`
+
+3. 安装必要的工具`bzip2`以及`make`： `yum install -y bzip2` ， `yum install -y make`
+
+2. 我们支持使用virtualenv进行编译安装，首先请使用以下命令创建一个名为`paddle-venv`的虚环境：
+
+	* 安装Python-dev: `yum install python-devel`
+
+	* 安装pip: `yum install python-pip` (请保证拥有9.0.1及以上的pip版本）
+
+	* 安装虚环境`virtualenv`以及`virtualenvwrapper`并创建名为`paddle-venv`的虚环境：
+
+		1.  `pip install virtualenv` 或 `pip install virtualenv`
+		2.  `pip install virtualenvwrapper` 或 `pip install virtualenvwrapper`
+		3.  找到`virtualenvwrapper.sh`： `find / -name virtualenvwrapper.sh`
+		4.  查看`virtualenvwrapper.sh`中的安装方法： `cat vitualenvwrapper.sh`
+		5.  安装`virtualwrapper`
+		6.  创建名为`paddle-venv`的虚环境： `mkvirtualenv paddle-venv`
+
+
+3. 进入虚环境：`workon paddle-venv`         
+
+
+4. **执行编译前**请您确认在虚环境中安装有[编译依赖表](#third_party)中提到的相关依赖：<!--TODO：Link 安装依赖表到这里-->
+
+	* 这里特别提供`patchELF`的安装方法，其他的依赖可以使用`yum install`或者`pip install` 后跟依赖名称和版本安装:
+
+		`yum install patchelf`
+		> 不能使用apt安装的用户请参见patchElF github[官方文档](https://gist.github.com/ruario/80fefd174b3395d34c14)
+
+5. 将PaddlePaddle的源码clone在当下目录下的Paddle的文件夹中，并进入Padde目录下：
+
+	- `git clone https://github.com/PaddlePaddle/Paddle.git`
+
+	- `cd Paddle`
+
+6. 切换到较稳定release分支下进行编译：
+
+	`git checkout release/0.15.0`
+
+7. 并且请创建并进入一个叫build的目录下：
+
+	`mkdir build && cd build`
+
+8. 执行cmake：       
+	
+	>具体编译选项含义请参见[编译选项表](#Compile)<!--TODO：Link 安装选项表到这里-->
+
+
+	*  对于需要编译**CPU版本PaddlePaddle**的用户：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF`.
+	
+		
+
+
+9. 使用以下命令来编译：
+
+	`make -j$(nproc)`
+
+10. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包： `cd /paddle/build/python/dist`
+
+11. 在当前机器或目标机器安装编译好的`.whl`包：
+
+	`pip install （whl包的名字）`
+
+恭喜您，现在您已经完成使本机编译PaddlePaddle的过程了。
+
+
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入Python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`
+
+
+
+
+<br/><br/>
+### **MacOS下从源码编译PaddlePaddle**
+
+本说明将介绍如何在*64位台式机或笔记本电脑*以及MacOS系统下编译PaddlePaddle，我们支持的MacOS系统需满足以下要求：
+
+* MacOS 10.12/10.13（这涉及到相关工具是否能被正常安装）
+
+#### 确定要编译的PaddlePaddle版本
+* **仅支持CPU的PaddlePaddle**。
+
+<!--* 支持GPU的PaddlePaddle，为了使得PaddlePaddle程序运行的更加迅速，我们通常使用GPU对PaddlePaddle程序进行加速，但安装GPU版本的PaddlePaddle需要先拥有满足以下条件的NVIDIA® GPU（具体安装流程和配置请务必参见NVIDIA官方文档：[For CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[For cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)）
+	* *Cuda 工具包9.0配合cuDNN v7*
+	* *Cuda 工具包8.0配合cuDNN v7*
+	* *GPU运算能力超过1.0的硬件设备*-->
+
+#### 选择如何编译PaddlePaddle
+在MacOS 10.12/10.13的系统下我们提供1种编译方式：
+
+<!--* 直接本机源码编译-->
+* Docker源码编译
+
+
+
+
+
+我们更加推荐**使用Docker进行编译**，因为我们在把工具和配置都安装在一个 Docker image 里。这样如果遇到问题，其他人可以复现问题以便帮助。另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。        
+
+
+
+
+       
+
+<a name="mac_docker"></a>
+
+
+
+<br/><br/>
+##### ***使用Docker进行编译***
+
+为了更好的使用Docker并避免发生问题，我们推荐使用**最高版本的Docker**，关于**安装和使用Docker**的细节请参阅Docker[官方文档](https://docs.docker.com/install/)。
+> 请注意，在MacOS系统下登陆docker需要使用您的dockerID进行登录，否则将出现`Authenticate Failed`错误。       
+
+
+当您已经**正确安装Docker**后你就可以开始**使用Docker编译PaddlePaddle**啦：
+
+1. 进入Mac的终端
+
+2. 请选择您希望储存PaddlePaddle的路径，然后在该路径下使用以下命令将PaddlePaddle的源码从github克隆到本地当前目录下名为Paddle的文件夹中：
+
+	`git clone https://github.com/PaddlePaddle/Paddle.git`
+
+3. 进入Paddle目录下： `cd Paddle`
+
+4. 利用我们提供的镜像（使用该命令您可以不必提前下载镜像）：
+
+	`docker run --name paddle-test -v $PWD:/paddle --network=host -it hub.baidubce.com/paddlepaddle/paddle:latest-dev /bin/bash`
+	> --name paddle-test为您创建的Docker容器命名为paddle-test，-v $PWD:/paddle 将当前目录挂载到Docker容器中的/paddle目录下（Linux中PWD变量会展开为当前路径的[绝对路径](https://baike.baidu.com/item/绝对路径/481185)），-it 与宿主机保持交互状态，`hub.baidubce.com/paddlepaddle/paddle:latest-dev` 使用名为`hub.baidubce.com/paddlepaddle/paddle:latest-dev`的镜像创建Docker容器，/bin/bash 进入容器后启动/bin/bash命令。
+
+5. 进入Docker后进入paddle目录下：`cd paddle`
+
+7. 切换到较稳定release分支下进行编译：
+
+	`git checkout release/0.15.0`
+
+8. 创建并进入/paddle/build路径下：
+
+	`mkdir -p /paddle/build && cd /paddle/build`
+
+9. 使用以下命令安装相关依赖：
+
+	`pip install protobuf==3.1.0`
+	> 安装protobuf 3.1.0。
+
+	`apt install patchelf`
+	> 安装patchelf，PatchELF 是一个小而实用的程序，用于修改ELF可执行文件的动态链接器和RPATH。
+
+10. 执行cmake：      
+	
+	>具体编译选项含义请参见[编译选项表](#Compile)<!--TODO： Link 编译选项表到这里-->
+
+
+	*  对于需要编译**CPU版本PaddlePaddle**的用户：
+
+		`cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF`
+		> 我们目前不支持CentOS下GPU版本PaddlePaddle的编译
+
+
+
+
+11. 执行编译：
+
+	`make -j$(nproc)`
+	> 使用多核编译
+
+12. 编译成功后进入`/paddle/build/python/dist`目录下找到生成的`.whl`包： `cd /paddle/build/python/dist`
+
+13. 在当前机器或目标机器安装编译好的`.whl`包：
+
+	`pip install （whl包的名字）`
+
+至此您已经成功使用Docker安装PaddlePaddle，您只需要进入Docker容器后运行PaddlePaddle即可，更多Docker使用请参见[Docker官方文档](https://docs.docker.com)。
+
+> 注：PaddlePaddle Docker镜像为了减小体积，默认没有安装`vim`，您可以在容器中执行 `apt-get install -y vim` 安装后，在容器中编辑代码。
+
+恭喜您，现在您已经完成使用Docker编译PaddlePaddle的过程。
+
+
+
+
+<br/><br/>
+##### ***验证安装***
+安装完成后您可以使用：`python` 进入Python解释器，然后使用`import paddle.fluid` 验证是否安装成功。
+
+<br/><br/>
+##### ***如何卸载PaddlePaddle***
+请使用以下命令卸载PaddlePaddle：
+
+* ***CPU版本的PaddlePaddle***: `pip uninstall PaddlePaddle`
+
+
+
+
+
+<a name="FAQ"></a>
+</br></br>
+## **FAQ**
+- CentOS6下如何编译python2.7为共享库? 
+	
+	> 使用以下指令：
+	
+		./configure --prefix=/usr/local/python2.7 --enable-shared   
+		make && make install   
+
+<!--TODO please add more F&Q parts here-->
+
+- Ubuntu18.04下libidn11找不到？
+	
+	> 使用以下指令：
+	
+		apt install libidn11   
+
+- Ubuntu编译时出现大量的代码段不能识别？
+	
+	> 这可能是由于cmake版本不匹配造成的，请在gcc的安装目录下使用以下指令：
+		
+		apt install gcc-4.8 g++-4.8
+		cp gcc gcc.bak
+		cp g++ g++.bak
+		rm gcc
+		rm g++
+		ln -s gcc-4.8 gcc
+		ln -s g++-4.8 g++
+
+        
+
+
+
+
+- 遇到paddlepaddle*.whl is not a supported wheel on this platform？
+	> 出现这个问题的主要原因是，没有找到和当前系统匹配的paddlepaddle安装包。 请检查Python版本是否为2.7系列。另外最新的pip官方源中的安装包默认是manylinux1标准， 需要使用最新的pip (>9.0.0) 才可以安装。您可以执行以下指令更新您的pip：     
+	
+	pip install --upgrade pip     
+
+	> 或者：     
+	
+	python -c "import pip; print(pip.pep425tags.get_supported())"    
+
+	> 如果系统支持的是 linux_x86_64 而安装包是 manylinux1_x86_64 ，需要升级pip版本到最新； 如果系统支持 manylinux1_x86_64 而安装包	 （本地）是 linux_x86_64， 可以重命名这个whl包为 manylinux1_x86_64 再安装。
+
+- 使用Docker编译出现问题？
+	
+	> 请参照GitHub上[Issue12079](https://github.com/PaddlePaddle/Paddle/issues/12079)
+
+- 什么是 Docker?
+
+  如果您没有听说 Docker，可以把它想象为一个类似 virtualenv 的系统，但是虚拟的不仅仅是 Python 的运行环境。
+
+- Docker 还是虚拟机？
+
+  有人用虚拟机来类比 Docker。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。
+
+- 为什么用 Docker?
+
+  把工具和配置都安装在一个 Docker image 里可以标准化编译环境。这样如果遇到问题，其他人可以复现问题以便帮助。
+
+  另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。
+
+- 可以选择不用Docker吗？
+
+  当然可以。大家可以用把开发工具安装进入 Docker image 一样的方式，把这些工具安装到本机。这篇文档介绍基于 Docker 的开发流程，是因为这个流程比其他方法都更简便。
+
+- 学习 Docker 有多难？
+
+  理解 Docker 并不难，大概花十分钟看一下[这篇文章](https://zhuanlan.zhihu.com/p/19902938)。
+  这可以帮您省掉花一小时安装和配置各种开发工具，以及切换机器时需要新安装的辛苦。别忘了 PaddlePaddle 更新可能导致需要新的开发工具。更别提简化问题复现带来的好处了。
+
+- 可以用 IDE 吗？
+
+  当然可以，因为源码就在本机上。IDE 默认调用 make 之类的程序来编译源码，我们只需要配置 IDE 来调用 Docker 命令编译源码即可。
+
+  很多 PaddlePaddle 开发者使用 Emacs。他们在自己的 `~/.emacs` 配置文件里加两行
+
+    (global-set-key "\C-cc" 'compile)
+    (setq compile-command "docker run --rm -it -v $(git rev-parse --show-toplevel):/paddle paddle:dev")
+
+  就可以按 `Ctrl-C` 和 `c` 键来启动编译了。
+
+- 可以并行编译吗？
+
+  是的。我们的 Docker image 运行一个 [Bash 脚本](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/paddle/scripts/paddle_build.sh)。这个脚本调用`make -j$(nproc)` 来启动和 CPU 核一样多的进程来并行编译。
+
+- Docker 需要 sudo？
+
+  如果用自己的电脑开发，自然也就有管理员权限（sudo）了。如果用公用的电脑开发，需要请管理员安装和配置好 Docker。此外，PaddlePaddle 项目在努力开始支持其他不需要 sudo 的集装箱技术，比如 rkt。
+
+- 在 Windows/MacOS 上编译很慢？
+
+  Docker 在 Windows 和 MacOS 都可以运行。不过实际上是运行在一个 Linux 虚拟机上。可能需要注意给这个虚拟机多分配一些 CPU 和内存，以保证编译高效。具体做法请参考[issue627](https://github.com/PaddlePaddle/Paddle/issues/627)。
+
+- 磁盘不够？
+
+  本文中的例子里， `docker run` 命令里都用了 `--rm` 参数，这样保证运行结束之后的 containers 不会保留在磁盘上。可以用 `docker ps -a` 命令看到停止后但是没有删除的 containers。 `docker build` 命令有时候会产生一些中间结果，是没有名字的 images，也会占用磁盘。可以参考 [这篇文章](https://zaiste.net/posts/removing_docker_containers) 来清理这些内容。
+
+- 在DockerToolbox下使用book时`http://localhost:8888/`无法打开？
+	
+   需要将localhost替换成虚拟机ip，一般需要在浏览器中输入：`http://192.168.99.100:8888/`
+
+- pip install gpu版本的PaddlePaddle后运行出现SegmentFault如下：
+   
+  	 @ 0x7f6c8d214436 paddle::platform::EnforceNotMet::EnforceNotMet()
+	 
+   	 @ 0x7f6c8dfed666 paddle::platform::GetCUDADeviceCount() 
+	 
+  	 @ 0x7f6c8d2b93b6 paddle::framework::InitDevices()
+   
+   出现这个问题原因主要是由于您的显卡驱动低于对应CUDA版本的要求，请保证您的显卡驱动支持所使用的CUDA版本
+
+<a name="third_party"></a>
+</br></br>
+## 附录
+
+### **编译依赖表**
+
+<p align="center">
+<table>
+	<thead>
+	<tr>
+		<th> 依赖包名称 </th>
+		<th> 版本 </th>
+		<th> 说明 </th>
+		<th> 安装命令 </th>
+	</tr>
+	</thead>
+	<tbody>
+	<tr>
+		<td> CMake </td>
+		<td> 3.4 </td>
+		<td>  </td>
+		<td>  </td>
+	</tr>
+	<tr>
+		<td> GCC </td>
+		<td> 4.8 / 5.4 </td>
+		<td>  推荐使用CentOS的devtools2 </td>
+		<td>  </td>
+	</tr>
+		<tr>
+		<td> Python </td>
+		<td> 2.7.x. </td>
+		<td> 依赖libpython2.7.so </td>
+		<td> <code> apt install python-dev </code> 或 <code> yum install python-devel </code></td>
+	</tr>
+	<tr>
+		<td> SWIG </td>
+		<td> 最低 2.0 </td>
+		<td>  </td>
+		<td> <code>apt install swig </code> 或 <code> yum install swig </code> </td>
+	</tr>
+	<tr>
+		<td> wget </td>
+		<td> any </td>
+		<td>  </td>
+		<td> <code> apt install wget </code>  或 <code> yum install wget </code> </td>
+	</tr>
+	<tr>
+		<td> openblas </td>
+		<td> any </td>
+		<td>  </td>
+		<td>  </td>
+	</tr>
+	<tr>
+		<td> pip </td>
+		<td> 最低9.0.1 </td>
+		<td>  </td>
+		<td> <code> apt install python-pip </code> 或 <code> yum install Python-pip </code> </td>
+	</tr>
+	<tr>
+		<td> numpy </td>
+		<td> >=1.12.0 </td>
+		<td>  </td>
+		<td> <code> pip install numpy==1.14.0 </code> </td>
+	</tr>
+	<tr>
+		<td> protobuf </td>
+		<td> 3.1.0 </td>
+		<td>  </td>
+		<td> <code> pip install protobuf==3.1.0 </code> </td>
+	</tr>
+	<tr>
+		<td> wheel </td>
+		<td> any </td>
+		<td>  </td>
+		<td> <code> pip install wheel </code> </td>
+	</tr>
+	<tr>
+		<td> patchELF </td>
+		<td> any </td>
+		<td>  </td>
+		<td> <code> apt install patchelf </code> 或参见github <a href="https://gist.github.com/ruario/80fefd174b3395d34c14">patchELF 官方文档</a></td>
+	</tr>
+	<tr>
+		<td> go </td>
+		<td> >=1.8 </td>
+		<td> 可选 </td>
+		<td>  </td>
+	</tr>
+	</tbody>
+</table>
+</p>
+
+
+***
+<a name="Compile"></a>
+</br></br>
+### **编译选项表**
+
+<p align="center">
+<table>
+	<thead>
+	<tr>
+		<th> 选项 </th>
+		<th> 说明 </th>
+		<th> 默认值 </th>
+	</tr>
+	</thead>
+	<tbody>
+	<tr>
+		<td> WITH_GPU </td>
+		<td> 是否支持GPU </td>
+		<td> ON </td>
+	</tr>
+	<tr>
+		<td> WITH_C_API </td>
+		<td> 是否仅编译CAPI </td>
+		<td>  OFF </td>
+	</tr>
+		<tr>
+		<td> WITH_DOUBLE </td>
+		<td> 是否使用双精度浮点数 </td>
+		<td> OFF </td>
+	</tr>
+	<tr>
+		<td> WITH_DSO </td>
+		<td> 是否运行时动态加载CUDA动态库，而非静态加载CUDA动态库 </td>
+		<td> ON </td>
+	</tr>
+	<tr>
+		<td> WITH_AVX </td>
+		<td> 是否编译含有AVX指令集的PaddlePaddle二进制文件 </td>
+		<td> ON </td>
+	</tr>
+	<tr>
+		<td> WITH_PYTHON </td>
+		<td> 是否内嵌PYTHON解释器 </td>
+		<td> ON </td>
+	</tr>
+	<tr>
+		<td> WITH_STYLE_CHECK </td>
+		<td> 是否编译时进行代码风格检查 </td>
+		<td> ON </td>
+	</tr>
+	<tr>
+		<td> WITH_TESTING </td>
+		<td> 是否开启单元测试 </td>
+		<td> OFF </td>
+	</tr>
+	<tr>
+		<td> WITH_DOC </td>
+		<td> 是否编译中英文文档 </td>
+		<td> OFF </td>
+	</tr>
+	<tr>
+		<td> WITH_SWIG_PY </td>
+		<td> 是否编译PYTHON的SWIG接口，该接口可用于预测和定制化训练 </td>
+		<td> Auto </td>
+	<tr>
+		<td> WITH_GOLANG </td>
+		<td> 是否编译go语言的可容错parameter server </td>
+		<td> OFF </td>
+	</tr>
+	<tr>
+		<td> WITH_MKL </td>
+		<td> 是否使用MKL数学库，如果为否则是用OpenBLAS </td>
+		<td> ON </td>
+	</tr>
+   </tbody>
+</table>
+</p>
+
+
+
+
+
+**BLAS**
+
+PaddlePaddle支持 [MKL](https://software.intel.com/en-us/mkl) 和 [OpenBlAS](http://www.openblas.net) 两种BLAS库。默认使用MKL。如果使用MKL并且机器含有AVX2指令集，还会下载MKL-DNN数学库，详细参考[这里](https://github.com/PaddlePaddle/Paddle/tree/develop/doc/design/mkldnn#cmake) 。
+
+如果关闭MKL，则会使用OpenBLAS作为BLAS库。
+
+**CUDA/cuDNN**
+
+PaddlePaddle在编译时/运行时会自动找到系统中安装的CUDA和cuDNN库进行编译和执行。 使用参数 `-DCUDA_ARCH_NAME=Auto` 可以指定开启自动检测SM架构，加速编译。
+
+PaddlePaddle可以使用cuDNN v5.1之后的任何一个版本来编译运行，但尽量请保持编译和运行使用的cuDNN是同一个版本。 我们推荐使用最新版本的cuDNN。
+
+**编译选项的设置**
+
+PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。cmake编译时，首先在系统路径（ `/usr/liby` 和 `/usr/local/lib` ）中搜索这几个库，同时也会读取相关路径变量来进行搜索。 通过使用`-D`命令可以设置，例如：
+
+> `cmake .. -DWITH_GPU=ON -DWITH_TESTING=OFF -DCUDNN_ROOT=/opt/cudnnv5`
+
+**注意**：这几个编译选项的设置，只在第一次cmake的时候有效。如果之后想要重新设置，推荐清理整个编译目录（ rm -rf ）后，再指定。
+
+
+***
+<a name="whls"></a>
+</br></br>
+### **安装包列表**   
+
+<p align="center">
+<table>
+	<thead>
+	<tr>
+		<th> 版本号 </th>
+		<th> 版本说明 </th>
+	</tr>
+	</thead>
+	<tbody>
+	<tr>
+		<td> paddlepaddle-gpu==0.15.0 </td>
+		<td> 使用CUDA 9.0和cuDNN 7编译的0.15.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.15.0.post87 </td>
+		<td> 使用CUDA 8.0和cuDNN 7编译的0.15.0版本 </td>
+	</tr>
+		<tr>
+		<td> paddlepaddle-gpu==0.15.0.post85 </td>
+		<td> 使用CUDA 8.0和cuDNN 5编译的0.15.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.13.0 </td>
+		<td> 使用CUDA 9.0和cuDNN 7编译的0.13.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.12.0 </td>
+		<td> 使用CUDA 8.0和cuDNN 5编译的0.12.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.11.0.post87 </td>
+		<td> 使用CUDA 8.0和cuDNN 7编译的0.11.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.11.0.post85 </td>
+		<td> 使用CUDA 8.0和cuDNN 5编译的0.11.0版本 </td>
+	</tr>
+	<tr>
+		<td> paddlepaddle-gpu==0.11.0 </td>
+		<td> 使用CUDA 7.5和cuDNN 5编译的0.11.0版本 </td>
+	</tr>
+   </tbody>
+</table>
+</p>
+
+
+您可以在 [Release History](https://pypi.org/project/paddlepaddle-gpu/#history) 中找到PaddlePaddle-gpu的各个发行版本。
+
+***
+<a name="dockers"></a>
+</br></br>
+### **安装镜像表及简介**   
+<p align="center">
+<table>
+	<thead>
+	<tr>
+		<th> 版本号 </th>
+		<th> 版本说明 </th>
+	</tr>
+	</thead>
+	<tbody>
+	<tr>
+		<td> hub.baidubce.com/paddlepaddle/paddle:latest </td>
+		<td> 最新的预先安装好PaddlePaddle CPU版本的镜像 </td>
+	</tr>
+	<tr>
+		<td> hub.baidubce.com/paddlepaddle/paddle:latest-dev </td>
+		<td> 最新的PaddlePaddle的开发环境 </td>
+	</tr>
+		<tr>
+		<td> hub.baidubce.com/paddlepaddle/paddle:[Version] </td>
+		<td> 将version换成具体的版本，历史版本的预安装好PaddlePaddle的镜像 </td>
+	</tr>
+	<tr>
+		<td> hub.baidubce.com/paddlepaddle/paddle:latest-gpu </td>
+		<td> 最新的预先安装好PaddlePaddle GPU版本的镜像 </td>
+	</tr>
+   </tbody>
+</table>
+</p>
+
+
+您可以在 [DockerHub](https://hub.docker.com/r/paddlepaddle/paddle/tags/) 中找到PaddlePaddle的各个发行的版本的docker镜像。
+
+
+
+
+***
+<a name="ciwhls"></a>
+</br></br>
+### **多版本whl包列表**   
+<p align="center">
+<table>
+	<thead>
+	<tr>
+		<th> 版本说明 </th>
+		<th> cp27-cp27mu </th>
+		<th> cp27-cp27m </th>
+	</tr>
+	</thead>
+	<tbody>
+	<tr>
+		<td> cpu_avx_mkl </td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuAvxCp27cp27mu/.lastSuccessful/paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuAvxCp27cp27mu/.lastSuccessful/paddlepaddle-latest-cp27-cp27m-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+	</tr>
+	<tr>
+		<td> cpu_avx_mkl </td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuAvxOpenblas/.lastSuccessful/paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuAvxOpenblas/.lastSuccessful/paddlepaddle-latest-cp27-cp27m-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27m-linux_x86_64.whl</a></td>
+	</tr>
+		<tr>
+		<td> cpu_noavx_openblas </td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuNoavxOpenblas/.lastSuccessful/paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+		<td><a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_CpuNoavxOpenblas/.lastSuccessful/paddlepaddle-latest-cp27-cp27m-linux_x86_64.whl">	paddlepaddle-latest-cp27-cp27m-linux_x86_64.whl</a></td>
+	</tr>
+	<tr>
+		<td> cuda8.0_cudnn5_avx_mkl </td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_Cuda80cudnn5cp27cp27mu/.lastSuccessful/paddlepaddle_gpu-latest-cp27-cp27mu-linux_x86_64.whl">	paddlepaddle_gpu-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+		<td><a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_Cuda80cudnn5cp27cp27mu/.lastSuccessful/paddlepaddle_gpu-latest-cp27-cp27m-linux_x86_64.whl">	paddlepaddle_gpu-latest-cp27-cp27m-linux_x86_64.whl</a></td>
+	</tr>
+	<tr>
+		<td> cuda8.0_cudnn7_avx_mkl </td>
+		<td> <a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_Cuda8cudnn7cp27cp27mu/.lastSuccessful/paddlepaddle_gpu-latest-cp27-cp27mu-linux_x86_64.whl">	paddlepaddle_gpu-latest-cp27-cp27mu-linux_x86_64.whl</a></td>
+		<td><a href="https://guest@paddleci.ngrok.io/repository/download/Manylinux1_Cuda8cudnn7cp27cp27mu/.lastSuccessful/paddlepaddle_gpu-latest-cp27-cp27m-linux_x86_64.whl">	paddlepaddle_gpu-latest-cp27-cp27m-linux_x86_64.whl</a></td>
+	</tr>
+   </tbody>
+</table>
+</p>        
+
+
+  
+  
+  
+
+
+<!--TODO this part should be in a new webpage-->
+
+</br></br>
+
+### 在Docker中执行PaddlePaddle训练程序     
+
+***
+
+假设您已经在当前目录（比如在/home/work）编写了一个PaddlePaddle的程序: `train.py` （可以参考
+[PaddlePaddleBook](http://www.paddlepaddle.org/docs/develop/book/01.fit_a_line/index.cn.html)
+编写），就可以使用下面的命令开始执行训练：
+
+     cd /home/work
+     docker run -it -v $PWD:/work hub.baidubce.com/paddlepaddle/paddle /work/train.py
+
+上述命令中，`-it` 参数说明容器已交互式运行；`-v $PWD:/work`
+指定将当前路径（Linux中PWD变量会展开为当前路径的绝对路径）挂载到容器内部的:`/work`
+目录: `hub.baidubce.com/paddlepaddle/paddle` 指定需要使用的容器； 最后`/work/train.py`为容器内执行的命令，即运行训练程序。
+
+当然，您也可以进入到Docker容器中，以交互式的方式执行或调试您的代码：
+
+     docker run -it -v $PWD:/work hub.baidubce.com/paddlepaddle/paddle /bin/bash
+     cd /work
+     python train.py
+
+**注：PaddlePaddle Docker镜像为了减小体积，默认没有安装vim，您可以在容器中执行** `apt-get install -y vim` **安装后，在容器中编辑代码。**
+
+</br></br>
+
+### 使用Docker启动PaddlePaddle Book教程
+
+***
+
+使用Docker可以快速在本地启动一个包含了PaddlePaddle官方Book教程的Jupyter Notebook，可以通过网页浏览。
+PaddlePaddle Book是为用户和开发者制作的一个交互式的Jupyter Notebook。
+如果您想要更深入了解deep learning，PaddlePaddle Book一定是您最好的选择。
+大家可以通过它阅读教程，或者制作和分享带有代码、公式、图表、文字的交互式文档。
+
+我们提供可以直接运行PaddlePaddle Book的Docker镜像，直接运行：
+
+`docker run -p 8888:8888 hub.baidubce.com/paddlepaddle/book`
+
+国内用户可以使用下面的镜像源来加速访问：
+
+`docker run -p 8888:8888 hub.baidubce.com/paddlepaddle/book`
+
+然后在浏览器中输入以下网址：
+
+`http://localhost:8888/`
+
+就这么简单，享受您的旅程！如有其他问题请参见[FAQ](#FAQ)
+
+</br></br>
+### 使用Docker执行GPU训练
+
+***
+
+为了保证GPU驱动能够在镜像里面正常运行，我们推荐使用
+[nvidia-docker](https://github.com/NVIDIA/nvidia-docker)来运行镜像。
+请不要忘记提前在物理机上安装GPU最新驱动。
+
+`nvidia-docker run -it -v $PWD:/work hub.baidubce.com/paddlepaddle/paddle:latest-gpu /bin/bash`
+
+**注: 如果没有安装nvidia-docker，可以尝试以下的方法，将CUDA库和Linux设备挂载到Docker容器内：**
+
+     export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') \
+     $(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')"
+     export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}')
+     docker run ${CUDA_SO} \
+      ${DEVICES} -it hub.baidubce.com/paddlepaddle/paddle:latest-gpu
+
+
+**关于AVX：**
+
+AVX是一种CPU指令集，可以加速PaddlePaddle的计算。最新的PaddlePaddle Docker镜像默认
+是开启AVX编译的，所以，如果您的电脑不支持AVX，需要单独[编译](/build_from_source_cn.html) PaddlePaddle为no-avx版本。
+
+以下指令能检查Linux电脑是否支持AVX：
+
+`if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi`
+
+如果输出是No，就需要选择使用no-AVX的镜像

doc/fluid/new_docs/beginners_guide/install/install_doc.rst

-.. _how_to_install:
-
-安装说明
-^^^^^^^^
-
-若您的系统为Linux或Windows，您可以使用我们提供的安装包来安装PaddlePaddle。
-
-对于MacOS系统，我们暂未提供安装包，您可以使用 **从源码编译** 的方式安装。
-
-
-.. _install_linux:
-
-在Linux安装PaddlePaddle
---------
-
-推荐您使用 `pip <https://pypi.org/project/pip/>`_
-安装，它是Linux系统下最简单的安装方式。
-
-注意事项：
-
-- PaddlePaddle Python API 依赖Python 2.7版本。
-
-执行下面的命令即可在当前机器上安装PaddlePaddle的运行时环境，并自动下载安装依赖软件。
-
-  .. code-block:: bash
-
-     pip install paddlepaddle
-
-您可以通过指定版本号来安装其它版本，例如：
-
-  .. code-block:: bash
-
-      pip install paddlepaddle==0.13.0
-
-
-如果需要安装支持GPU的版本（cuda9.0_cudnn7_avx_openblas），需要执行：
-
-  .. code-block:: bash
-
-     pip install paddlepaddle-gpu
-
-PaddlePaddle针对不同需求提供了更多版本的安装包，部分列表如下：
-
-=================================   ========================================
-版本号                               版本说明
-=================================   ========================================
-paddlepaddle-gpu==0.14.0            使用CUDA 9.0和cuDNN 7编译的0.14.0版本
-paddlepaddle-gpu==0.14.0.post87     使用CUDA 8.0和cuDNN 7编译的0.14.0版本
-paddlepaddle-gpu==0.14.0.post85     使用CUDA 8.0和cuDNN 5编译的0.14.0版本
-paddlepaddle-gpu==0.13.0            使用CUDA 9.0和cuDNN 7编译的0.13.0版本
-paddlepaddle-gpu==0.12.0            使用CUDA 8.0和cuDNN 5编译的0.12.0版本
-paddlepaddle-gpu==0.11.0.post87     使用CUDA 8.0和cuDNN 7编译的0.11.0版本
-paddlepaddle-gpu==0.11.0.post8      使用CUDA 8.0和cuDNN 5编译的0.11.0版本
-paddlepaddle-gpu==0.11.0            使用CUDA 7.5和cuDNN 5编译的0.11.0版本
-=================================   ========================================
-
-您可以在 `Release History <https://pypi.org/project/paddlepaddle-gpu/#history>`_
-中找到paddlepaddle-gpu的各个发行版本。
-
-如果需要获取并安装最新的PaddlePaddle开发分支，可以从我们的 `CI系统 <https://paddleci.ngrok.io/project.html?projectId=Manylinux1&tab=projectOverview>`_ 中下载最新的whl安装包和c-api开发包并安装。如需登录，请点击“Log in as guest”。
-
-.. _FAQ:
-
-安装常见问题和解决方法
-======================
-
-- paddlepaddle*.whl is not a supported wheel on this platform.
-
-出现这个问题的主要原因是，没有找到和当前系统匹配的paddlepaddle安装包。
-请检查Python版本是否为2.7系列。另外最新的pip官方源中的安装包默认是manylinux1标准，
-需要使用最新的pip (>9.0.0) 才可以安装。
-
-可以使用下面的命令更新您的pip：
-
-  .. code-block:: bash
-
-      pip install --upgrade pip
-
-如果仍然存在问题，可以执行：
-
-    .. code-block:: bash
-
-        python -c "import pip; print(pip.pep425tags.get_supported())"
-
-获取当前系统支持的安装包格式，并检查和需安装的包是否匹配。pypi安装包
-可以在 `这里 <https://pypi.python.org/pypi/paddlepaddle/0.10.5>`_ 找到。
-
-如果系统支持的是 linux_x86_64 而安装包是 manylinux1_x86_64 ，需要升级pip版本到最新；
-如果系统支持 manylinux1_x86_64 而安装包（本地）是 linux_x86_64，
-可以重命名这个whl包为 manylinux1_x86_64 再安装。
-
-
-.. _install_windows:
-
-在Windows安装PaddlePaddle
-------------------------------
-Windows系统需要通过Docker来使用PaddleaPaddle。Docker是一个虚拟容器，使用Docker可以简化复杂的环境配置工作。
-
-我们提供了 `PaddlePaddle_Windows快速安装包 <http://paddle-windows.bj.bcebos.com/PaddlePaddle-windows.zip>`_，
-它能够帮助您安装Docker和PaddlePaddle。
-
-* 安装包支持的系统：Windows7，Windows8的所有版本，Windows10的专业版、企业版。
-
-* 如果您希望使用GPU提升训练速度，请使用Linux系统安装，Windows系统暂不支持。
-   
-.. _install_mac:
-
-在MacOS安装PaddlePaddle
---------
-
-对于MacOS系统，我们暂未提供pip安装方式，您可以使用 **源码编译** 的方式安装。
-
-.. _others:
-
-其他安装方式
--------------
-
-.. _source:
-源码编译（使用Docker镜像）
-==========
-
-.. _requirements:
-
-需要的软硬件
-"""""""""""""
-
-为了编译PaddlePaddle，我们需要
-
-1. 一台电脑，可以装的是 Linux, Windows 或者 MacOS 操作系统
-2. Docker
-
-不需要依赖其他任何软件了。即便是 Python 和 GCC 都不需要，因为我们会把所有编译工具都安装进一个 Docker 镜像里。
-
-.. _build_step:
-
-编译方法
-"""""""""""""
-
-PaddlePaddle需要使用Docker环境完成编译，这样可以免去单独安装编译依赖的步骤，可选的不同编译环境Docker镜像可以在 `这里 <https://hub.docker.com/r/paddlepaddle/paddle_manylinux_devel/tags/>`_ 找到。
-
-
-**I. 编译CPU-Only版本的PaddlePaddle，需要执行：**
-
-.. code-block:: bash
-
-   # 1. 获取源码
-   git clone https://github.com/PaddlePaddle/Paddle.git
-   cd Paddle
-   # 2. 执行如下命令下载最新版本的docker镜像
-   docker run --name paddle-test -v $PWD:/paddle --network=host -it docker.paddlepaddlehub.com/paddle:latest-dev /bin/bash
-   # 3. 进入docker内执行如下命令编译CPU-Only的二进制安装包
-   mkdir -p /paddle/build && cd /paddle/build
-   cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF
-   make -j$(nproc)
-
-**II. 编译GPU版本的PaddlePaddle，需要执行：**
-
-.. code-block:: bash
-
-  # 1. 获取源码 
-  git clone https://github.com/PaddlePaddle/Paddle.git 
-  cd Paddle
-  # 2. 安装nvidia-docker
-  apt-get install nvidia-docker
-  # 3. 执行如下命令下载支持GPU运行的docker容器
-  nvidia-docker run --name paddle-test-gpu -v $PWD:/paddle --network=host -it docker.paddlepaddlehub.com/paddle:latest-dev /bin/bash
-  # 4. 进入docker内执行如下命令编译GPU版本的PaddlePaddle
-  mkdir -p /paddle/build && cd /paddle/build
-  cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=ON -DWITH_TESTING=OFF
-  make -j$(nproc)
-
-**注意事项：**
-
-* 上述有关 :code:`docker` 的命令把当前目录（源码树根目录）映射为 container 里的 :code:`/paddle` 目录。
-* 进入 :code:`docker` 后执行 :code:`cmake` 命令，若是出现 :code:`patchelf not found, please install it.` 错误，则执行 :code:`apt-get install -y patchelf` 命令即可解决问题。
-* 若您在使用Docker编译PaddlePaddle遇到问题时， `这个issue <https://github.com/PaddlePaddle/Paddle/issues/12079>`_ 可能会对您有所帮助。
-
-
-.. _source:
-源码编译（不使用Docker镜像）
-==========
-
-如果您选择不使用Docker镜像，则需要在本机安装下面章节列出的 `附录：编译依赖`_ 之后才能开始编译的步骤。
-
-.. _build_step:
-
-编译方法
-"""""""""""""
-
-在本机上编译CPU-Only版本的PaddlePaddle，需要执行如下命令：
-
-.. code-block:: bash
-
-   # 1. 使用virtualenvwrapper创建python虚环境并将工作空间切换到虚环境 [可选]
-   mkvirtualenv paddle-venv
-   workon paddle-venv
-   # 2. 获取源码
-   git clone https://github.com/PaddlePaddle/Paddle.git
-   cd Paddle
-   # 3. 执行下面的命令编译CPU-Only的二进制
-   mkdir build && cd build
-   cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF
-   make -j4 # 根据机器配备CPU的核心数开启相应的多线程进行编译
-
-
-**注意事项：**
-
-* MacOS系统下因为默认安装了cblas库，所以编译时可能会遇到 :code:`use of undeclared identifier 'openblas_set_num_threads'` 错误。因此，在执行cmake命令时需要指定所使用openblas库的头文件路径，具体操作如下：
-
-  .. code-block:: bash
-
-    cd Paddle/build && rm -rf *
-    cmake .. -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF -DOPENBLAS_INC_DIR=/usr/local/Cellar/openblas/[本机所安装的openblas版本号]/include/
-    make -j4 # 根据机器配备CPU的核心数开启相应的多线程进行编译
-* 若您在MacOS系统下从源码编译PaddlePaddle遇到问题时， `这个issue <https://github.com/PaddlePaddle/Paddle/issues/12078>`_ 可能会对您有所帮助。
-
-编译完成后会在build/python/dist目录下生成输出的whl包，可以选在在当前机器安装也可以拷贝到目标机器安装：
-
-.. code-block:: bash
-
-   pip install build/python/dist/*.whl
-
-如果机器中已经安装过PaddlePaddle，有两种方法：
-
-.. code-block:: bash
-
-   1. 先卸载之前的版本，再重新安装
-   pip uninstall paddlepaddle
-   pip install build/python/dist/*.whl
-
-   2. 直接升级到更新的版本
-   pip install build/python/dist/*.whl -U
-
-.. _run_test:
-
-执行单元测试
-"""""""""""""
-
-如果您期望在编译完成后立即执行所有的单元测试，可以按照下面的方法：
-
-设置 :code:`RUN_TEST=ON` 和 :code:`WITH_TESTING=ON` 就会在完成编译之后，立即执行单元测试。
-开启 :code:`WITH_GPU=ON` 可以指定同时执行GPU上的单元测试。
-
-.. code-block:: bash
-
-   docker run -it -v $PWD:/paddle -e "WITH_GPU=OFF" -e "WITH_TESTING=ON" -e "RUN_TEST=ON" docker.paddlepaddlehub.com/paddle:latest-dev bash -x /paddle/paddle/scripts/paddle_build.sh build
-
-如果期望执行其中一个单元测试，（比如 :code:`test_sum_op` ）：
-
-.. code-block:: bash
-
-   docker run -it -v $PWD:/paddle -e "WITH_GPU=OFF" -e "WITH_TESTING=ON" -e "RUN_TEST=OFF" docker.paddlepaddlehub.com/paddle:latest-dev bash -x /paddle/paddle/scripts/paddle_build.sh build
-   cd /paddle/build
-   ctest -R test_sum_op -V
-
-.. _faq_docker:
-
-常见问题
-"""""""""""""
-
-- 什么是 Docker?
-
-  如果您没有听说 Docker，可以把它想象为一个类似 virtualenv 的系统，但是虚拟的不仅仅是 Python 的运行环境。
-
-- Docker 还是虚拟机？
-
-  有人用虚拟机来类比 Docker。需要强调的是：Docker 不会虚拟任何硬件，Docker container 里运行的编译工具实际上都是在本机的 CPU 和操作系统上直接运行的，性能和把编译工具安装在本机运行一样。
-
-- 为什么用 Docker?
-
-  把工具和配置都安装在一个 Docker image 里可以标准化编译环境。这样如果遇到问题，其他人可以复现问题以便帮助。
-
-  另外，对于习惯使用Windows和MacOS的开发者来说，使用Docker就不用配置交叉编译环境了。
-
-- 可以选择不用Docker吗？
-
-  当然可以。大家可以用把开发工具安装进入 Docker image 一样的方式，把这些工具安装到本机。这篇文档介绍基于 Docker 的开发流程，是因为这个流程比其他方法都更简便。
-
-- 学习 Docker 有多难？
-
-  理解 Docker 并不难，大概花十分钟看一下 `这篇文章 <https://zhuanlan.zhihu.com/p/19902938>`_。
-  这可以帮您省掉花一小时安装和配置各种开发工具，以及切换机器时需要新安装的辛苦。别忘了 PaddlePaddle 更新可能导致需要新的开发工具。更别提简化问题复现带来的好处了。
-
-- 可以用 IDE 吗？
-
-  当然可以，因为源码就在本机上。IDE 默认调用 make 之类的程序来编译源码，我们只需要配置 IDE 来调用 Docker 命令编译源码即可。
-
-  很多 PaddlePaddle 开发者使用 Emacs。他们在自己的 `~/.emacs` 配置文件里加两行
-
-  .. code-block:: bash
-
-    (global-set-key "\C-cc" 'compile)
-    (setq compile-command
-     "docker run --rm -it -v $(git rev-parse --show-toplevel):/paddle paddle:dev")
-
-  就可以按 `Ctrl-C` 和 `c` 键来启动编译了。
-
-- 可以并行编译吗？
-
-  是的。我们的 Docker image 运行一个 `Bash 脚本 <https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/paddle/scripts/paddle_build.sh>`_。这个脚本调用 :code:`make -j$(nproc)` 来启动和 CPU 核一样多的进程来并行编译。
-
-- Docker 需要 sudo
-
-  如果用自己的电脑开发，自然也就有管理员权限（sudo）了。如果用公用的电脑开发，需要请管理员安装和配置好 Docker。此外，PaddlePaddle 项目在努力开始支持其他不需要 sudo 的集装箱技术，比如 rkt。
-
-- 在 Windows/MacOS 上编译很慢
-
-  Docker 在 Windows 和 MacOS 都可以运行。不过实际上是运行在一个 Linux 虚拟机上。可能需要注意给这个虚拟机多分配一些 CPU 和内存，以保证编译高效。具体做法请参考 `这个issue <https://github.com/PaddlePaddle/Paddle/issues/627>`_。
-
-- 磁盘不够
-
-  本文中的例子里， :code:`docker run` 命令里都用了 :code:`--rm` 参数，这样保证运行结束之后的 containers 不会保留在磁盘上。可以用 :code:`docker ps -a` 命令看到停止后但是没有删除的 containers。 :code:`docker build` 命令有时候会产生一些中间结果，是没有名字的 images，也会占用磁盘。可以参考 `这篇文章 <https://zaiste.net/posts/removing_docker_containers/>`_ 来清理这些内容。
-
-
-.. _compile_deps:
-
-附录：编译依赖
-"""""""""""""
-
-PaddlePaddle编译需要使用到下面的依赖（包含但不限于），其他的依赖软件，会自动在编译时下载。
-
-.. csv-table:: PaddlePaddle编译依赖
-   :header: "依赖", "版本", "说明"
-   :widths: 10, 15, 30
-
-   "CMake", "3.4", ""
-   "GCC", "4.8.2", "推荐使用CentOS的devtools2"
-   "Python", "2.7.x", "依赖libpython2.7.so"
-   "SWIG", ">=2.0", ""
-   "wget","",""
-   "openblas","",""
-   "pip", ">=9.0", ""
-   "numpy", "", ""
-   "protobuf","3.1.0",""
-   "wheel","",""
-   "Go", ">=1.8", "可选"
-
-
-.. _build_options:
-
-附录：编译选项
-"""""""""""""
-
-PaddlePaddle的编译选项，包括生成CPU/GPU二进制文件、链接何种BLAS库等。
-用户可在调用cmake的时候设置它们，详细的cmake使用方法可以参考
-`官方文档 <https://cmake.org/cmake-tutorial>`_ 。
-
-在cmake的命令行中，通过使用 ``-D`` 命令设置该类编译选项，例如：
-
-..  code-block:: bash
-
-    cmake .. -DWITH_GPU=OFF
-
-..  csv-table:: 编译选项说明
-    :header: "选项", "说明", "默认值"
-    :widths: 1, 7, 2
-
-    "WITH_GPU", "是否支持GPU", "ON"
-    "WITH_C_API", "是否仅编译CAPI", "OFF"
-    "WITH_DOUBLE", "是否使用双精度浮点数", "OFF"
-    "WITH_DSO", "是否运行时动态加载CUDA动态库，而非静态加载CUDA动态库。", "ON"
-    "WITH_AVX", "是否编译含有AVX指令集的PaddlePaddle二进制文件", "ON"
-    "WITH_PYTHON", "是否内嵌PYTHON解释器", "ON"
-    "WITH_STYLE_CHECK", "是否编译时进行代码风格检查", "ON"
-    "WITH_TESTING", "是否开启单元测试", "OFF"
-    "WITH_DOC", "是否编译中英文文档", "OFF"
-    "WITH_SWIG_PY", "是否编译PYTHON的SWIG接口，该接口可用于预测和定制化训练", "Auto"
-    "WITH_GOLANG", "是否编译go语言的可容错parameter server", "OFF"
-    "WITH_MKL", "是否使用MKL数学库，如果为否则是用OpenBLAS", "ON"
-
-BLAS
-+++++
-
-PaddlePaddle支持 `MKL <https://software.intel.com/en-us/intel-mkl>`_ 和
-`OpenBlAS <http://www.openblas.net/>`_ 两种BLAS库。默认使用MKL。如果使用MKL并且机器含有AVX2指令集，
-还会下载MKL-DNN数学库，详细参考 `这里 <https://github.com/PaddlePaddle/Paddle/tree/develop/doc/design/mkldnn#cmake>`_ 。
-
-如果关闭MKL，则会使用OpenBLAS作为BLAS库。
-
-CUDA/cuDNN
-+++++++++++
-
-PaddlePaddle在编译时/运行时会自动找到系统中安装的CUDA和cuDNN库进行编译和执行。
-使用参数 :code:`-DCUDA_ARCH_NAME=Auto` 可以指定开启自动检测SM架构，加速编译。
-
-PaddlePaddle可以使用cuDNN v5.1之后的任何一个版本来编译运行，但尽量请保持编译和运行使用的cuDNN是同一个版本。
-我们推荐使用最新版本的cuDNN。
-
-编译选项的设置
-++++++++++++++
-
-PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。cmake编译时，首先在系统路径（ :code:`/usr/lib:/usr/local/lib` ）中搜索这几个库，同时也会读取相关路径变量来进行搜索。 通过使用 ``-D`` 命令可以设置，例如
-
-..  code-block:: bash
-
-    cmake .. -DWITH_GPU=ON -DWITH_TESTING=OFF -DCUDNN_ROOT=/opt/cudnnv5
-
-注意：这几个编译选项的设置，只在第一次cmake的时候有效。如果之后想要重新设置，推荐清理整个编译目录（ :code:`rm -rf` ）后，再指定。
-
-.. _install_docker:
-
-使用Docker安装运行
-==================
-
-使用Docker安装和运行PaddlePaddle可以无需考虑依赖环境。
-您可以在 `Docker官网 <https://docs.docker.com/get-started/>`_
-获得基本的Docker安装和使用方法。
-
-在了解Docker的基本使用方法之后，即可开始下面的步骤：
-
-.. _docker_pull:
-
-获取PaddlePaddle的Docker镜像
-""""""""""""""""""""""""""""
-
-执行下面的命令获取最新的PaddlePaddle Docker镜像，版本为cpu_avx_mkl：
-
-  .. code-block:: bash
-
-     docker pull paddlepaddle/paddle
-
-对于国内用户，我们提供了加速访问的镜像源：
-
-  .. code-block:: bash
-
-     docker pull docker.paddlepaddlehub.com/paddle
-
-下载GPU版本（cuda8.0_cudnn5_avx_mkl）的Docker镜像：
-
-  .. code-block:: bash
-
-     docker pull paddlepaddle/paddle:latest-gpu
-     docker pull docker.paddlepaddlehub.com/paddle:latest-gpu
-
-选择下载使用不同的BLAS库的Docker镜像：
-
-  .. code-block:: bash
-
-     # 默认是使用MKL的镜像
-     docker pull paddlepaddle/paddle
-     # 使用OpenBLAS的镜像
-     docker pull paddlepaddle/paddle:latest-openblas
-
-下载指定版本的Docker镜像，可以从 `DockerHub网站 <https://hub.docker.com/r/paddlepaddle/paddle/tags/>`_ 获取可选的tag，并执行下面的命令：
-
-  .. code-block:: bash
-
-     docker pull paddlepaddle/paddle:[tag]
-     # 比如：
-     docker pull docker.paddlepaddlehub.com/paddle:0.11.0-gpu
-
-.. _docker_run:
-
-在Docker中执行PaddlePaddle训练程序
-"""""""""""""""""""""""""""""""""""
-
-假设您已经在当前目录（比如在/home/work）编写了一个PaddlePaddle的程序 :code:`train.py` （可以参考
-`PaddlePaddleBook <http://www.paddlepaddle.org/docs/develop/book/01.fit_a_line/index.cn.html>`_
-编写），就可以使用下面的命令开始执行训练：
-
-  .. code-block:: bash
-
-     cd /home/work
-     docker run -it -v $PWD:/work paddlepaddle/paddle /work/train.py
-
-上述命令中， :code:`-it` 参数说明容器已交互式运行； :code:`-v $PWD:/work`
-指定将当前路径（Linux中$PWD变量会展开为当前路径的绝对路径）挂载到容器内部的 :code:`/work`
-目录； :code:`paddlepaddle/paddle` 指定需要使用的容器； 最后 :code:`/work/train.py`
-为容器内执行的命令，即运行训练程序。
-
-当然，您也可以进入到Docker容器中，以交互式的方式执行或调试您的代码：
-
-  .. code-block:: bash
-     docker run -it -v $PWD:/work paddlepaddle/paddle /bin/bash
-     cd /work
-     python train.py
-
-**注：PaddlePaddle Docker镜像为了减小体积，默认没有安装vim，您可以在容器中执行** :code:`apt-get install -y vim` **安装后，在容器中编辑代码。**
-
-.. _docker_run_book:
-
-使用Docker启动PaddlePaddle Book教程
-""""""""""""""""""""""""""""""""""""
-
-使用Docker可以快速在本地启动一个包含了PaddlePaddle官方Book教程的Jupyter Notebook，可以通过网页浏览。
-PaddlePaddle Book是为用户和开发者制作的一个交互式的Jupyter Notebook。
-如果您想要更深入了解deep learning，PaddlePaddle Book一定是您最好的选择。
-大家可以通过它阅读教程，或者制作和分享带有代码、公式、图表、文字的交互式文档。
-
-我们提供可以直接运行PaddlePaddle Book的Docker镜像，直接运行：
-
-  .. code-block:: bash
-
-     docker run -p 8888:8888 paddlepaddle/book
-
-国内用户可以使用下面的镜像源来加速访问：
-
-  .. code-block: bash
-
-    docker run -p 8888:8888 docker.paddlepaddlehub.com/book
-
-然后在浏览器中输入以下网址：
-
-  .. code-block:: text
-
-     http://localhost:8888/
-
-就这么简单，享受您的旅程！
-
-.. _docker_run_gpu:
-
-使用Docker执行GPU训练
-""""""""""""""""""""""""""""
-
-为了保证GPU驱动能够在镜像里面正常运行，我们推荐使用
-`nvidia-docker <https://github.com/NVIDIA/nvidia-docker>`_ 来运行镜像。
-请不要忘记提前在物理机上安装GPU最新驱动。
-
-  .. code-block:: bash
-
-     nvidia-docker run -it -v $PWD:/work paddlepaddle/paddle:latest-gpu /bin/bash
-
-**注: 如果没有安装nvidia-docker，可以尝试以下的方法，将CUDA库和Linux设备挂载到Docker容器内：**
-
-  .. code-block:: bash
-
-     export CUDA_SO="$(\ls /usr/lib64/libcuda* | xargs -I{} echo '-v {}:{}') $(\ls /usr/lib64/libnvidia* | xargs -I{} echo '-v {}:{}')"
-     export DEVICES=$(\ls /dev/nvidia* | xargs -I{} echo '--device {}:{}')
-     docker run ${CUDA_SO} ${DEVICES} -it paddlepaddle/paddle:latest-gpu
-
-**关于AVX：**
-
-AVX是一种CPU指令集，可以加速PaddlePaddle的计算。最新的PaddlePaddle Docker镜像默认
-是开启AVX编译的，所以，如果您的电脑不支持AVX，需要单独
-`编译 <./build_from_source_cn.html>`_ PaddlePaddle为no-avx版本。
-
-以下指令能检查Linux电脑是否支持AVX：
-
-   .. code-block:: bash
-
-      if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi
-
-如果输出是No，就需要选择使用no-AVX的镜像