Kubernetes: k8s: v1.3.10，如何使用gpu，在gpu上运行容器？

现在我有将近一周的时间来研究这个问题。 但我失败了。
环境：redhat7.2
k8s:v1.3.10 cuda:v7.5内核版本：367.44 t ensorflow:0.11 gpu:1080
我们的平台基于tensorflow和k8s。它是用于机器学习的训练。
使用cpu时，可以，但不能在gpu上工作，我想知道为什么。
我测试了你说的很多例子，但还是失败了
我的集群：1 主 2 节点。 每个节点都有一个gpu卡，只有master没有
首先我测试像@Hui-Zhi 说的：

vim  test.yaml
apiVersion: v1
kind: Pod
metadata:
  name: nvidia-gpu-test
spec:
  containers:
  - name: nvidia-gpu
    image: nginx
    resources:
      limits:
        alpha.kubernetes.io/nvidia-gpu: 1

是的，我测试过，它有效。 如果我将 nvidia-gpu: 1 更改为 2，则失败。 豆荚保持待定。 并描述发现：没有节点可以满足这一点。因为每个节点只有一张 GPU 卡，我认为它可以工作。
但问题来了：如何在 gpu 上运行？ 这个例子只证明k8s可以拿到gpu，知道gpu，但是怎么跑呢？ 我如何使用 yaml 文件创建一个在 gpu 资源上运行的 pod？

然后，我找到了另一种方法：nvidia-docker
我拉 gpu-image: gcr.io/tensorflow/t ensorflow:0.11-gpu ，并根据 docker 运行 mnist.py 演示， docker run -it ${image} /bin/bash
但失败了。 诸如“无法打开 CUDA 库 libcuda.so，无法找到 libcuda.so”之类的错误，
有没有人遇到过同样的问题？
然后我发现有人说：gpu 需要使用 nvidia-docker
幸运的是我安装为 tensorflow： https ://www.tensorflow.org/install/install_linux#gpu_support 说，根据 nvidia-docker 我发现我的训练在 gpu 上运行，gpu 内存几乎 7g，几乎 70%
我是这样运行的： nvidia-docker run -it ${image} /bin/bash
python mnist.py
是的，它有效。 但是一个新问题来了：我应该使用 docker 在 cpu 上运行，在 gpu 上使用 nvidia-docker 吗？ 我只是在 docker 上运行 gpu，也许是 nvidia-docker，但是如何在 k8s 上运行 gpu。
k8s 容器使用 docker 而不是 nvidia-docker，那么我该如何以同样的方式做到这一点，你能帮我吗？ 我想知道如何在 k8s 上运行 gpu，而不仅仅是演示或测试 yaml 来证明 k8s 支持 gpu。
希望你能回答我，我在等......
谢谢。