如果利用学校的vpn直接访问实验室的173服务器，则无需进行以下配置。
实验室173服务器的linux系统信息如下 (uname -a)：
Linux server173 4.4.0-154-generic #181-Ubuntu SMP Tue Jun 25 05:29:03 UTC 2019 x86_64 x86_64 x86_64 GNU/Linux
docker版本如下 (docker -v)：
Docker version 18.09.0, build 4d60db4
如果希望在自己的服务器上启动后台服务，请自行安装对应版本的docker，并按以下说明进行配置。
1.启动docker，命名为nni, 挂载于宿主机 ~/icerno 目录下，该目录可自由更改。
docker run -p 1100:8080 -p 1101:8081 -p 1102:8082 -p 1500:5000 -ti -d --ipc=host --name="nni" -v ~/icerno:/workspace tensorflow/tensorflow:latest-gpu-py3
关于命令中各参数的含义，可自行参阅docker相关技术手册。 启动nni容器后，可以进入nni容器内部：
docker exec -it nni bash
2.根据 nni官方文档 在nni容器内部安装nni。
python3 -m pip install --upgrade nni
3.将本项目置于docker内的/workspace路径下
4.用本项目中的nnictl.py替换源码中的nnictl.py，其位置在nni容器内部的/usr/local/lib/python3.6/dist-packages/nni_cmd目录下。
在nni容器内部执行以下命令：
pip install flask
pip install flask_cors
pip install flask_restful
在nni容器内部，进入本项目所在的目录，执行本项目的入口文件：
python app.py
如启动信息如下图所示，则说明后台正常启动。
在前端项目 中全局搜索10.60.38.173(这是实验室173服务器的地址),替换为当前部署了nni容器的服务器的ip地址。