GPU 服务器端口映射表

## 说明
gpu服务器上9000--9010端口做了内网穿透，公网也可以访问这些端口，必须是http的。如果是TCP映射需要重新做。
### 使用之前注意不要端口用冲突了！冲突了就换其他的端口
### 映射列表
```
http://127.0.0.1:9000   ==> http://9000.gpu.raidcdn.cn:9700
http://127.0.0.1:9001   ==> http://9001.gpu.raidcdn.cn:9700
http://127.0.0.1:9002   ==> http://9002.gpu.raidcdn.cn:9700
http://127.0.0.1:9003   ==> http://9003.gpu.raidcdn.cn:9700
http://127.0.0.1:9004   ==> http://9004.gpu.raidcdn.cn:9700
http://127.0.0.1:9005   ==> http://9005.gpu.raidcdn.cn:9700
http://127.0.0.1:9006   ==> http://9006.gpu.raidcdn.cn:9700
http://127.0.0.1:9007   ==> http://9007.gpu.raidcdn.cn:9700
http://127.0.0.1:9008   ==> http://9008.gpu.raidcdn.cn:9700
http://127.0.0.1:9009   ==> http://9009.gpu.raidcdn.cn:9700
http://127.0.0.1:9010   ==> http://9010.gpu.raidcdn.cn:9700
```


## 例如公网访问9000端口
### 启动jupyter-notebook
```
docker run -d --name="nu_gan_lambda_9000" --runtime=nvidia \
	-p 9000:8888 \
	-v /opt/lambda_workspace/:/notebooks/lambda_workspace \
	tensorflow/tensorflow:1.7.0-gpu-nu_gan  jupyter-notebook --ip=0.0.0.0 --port=8888 --allow-root
```

### 查看token
```
$ docker logs -f nu_gan_lambda_9000
。。。
[I 06:03:25.488 NotebookApp] The Jupyter Notebook is running at:
[I 06:03:25.488 NotebookApp] http://0.0.0.0:8888/?token=fa29481482c5ad2fe6a1ccc33760e2024a4ea75da89f11ad
```

### 公网访问
```
http://9000.gpu.raidcdn.cn:9700/?token=fa29481482c5ad2fe6a1ccc33760e2024a4ea75da89f11ad
```

## docker外面使用jupyter启动在9000端口
```
$ cd /opt/
$ nohup jupyter notebook --ip=0.0.0.0 --port=9000 --allow-root  > /dev/null 2>&1 & 
$ jupyter notebook list
Currently running servers:
http://0.0.0.0:9000/?token=56c42221c777d513b09bc7d86f751c6c4cc53f8dacfddb34 :: /opt


浏览器打开
http://9000.gpu.raidcdn.cn:9700/terminals/1
```