diff --git a/.vuepress/config-sidebar.js b/.vuepress/config-sidebar.js
index 454617f..edb9ddf 100644
--- a/.vuepress/config-sidebar.js
+++ b/.vuepress/config-sidebar.js
@@ -497,9 +497,10 @@ let sidebar = {
       collapsable: true,
       children: [
         {
-          title: '练习',
+          title: '实战',
           collapsable: true,
           children: [
+            'k8s-practice/gpu/gpu',
             'k8s-practice/access/port-forward',
             'k8s-practice/admin/list-images',
           ]
diff --git a/learning/k8s-practice/gpu/gpu.md b/learning/k8s-practice/gpu/gpu.md
new file mode 100644
index 0000000..cd730ed
--- /dev/null
+++ b/learning/k8s-practice/gpu/gpu.md
@@ -0,0 +1,173 @@
+---
+layout: LearningLayout
+lessAds: false
+description: Kubernetes教程_本文描述了如何在K8S上调度一个GPU资源相关的工作负载
+meta:
+  - name: keywords
+    content: Kubernetes教程,K8S教程,GPU
+---
+
+# 调度 GPU
+
+版本要求 <Badge>Kubernetes v1.10</Badge>，此特性尚处于 beta 阶段。
+
+Kubernetes 中已经实验性地支持管理多个节点上的 AMD / NVIDIA GPU (显卡)。 本文描述了用户应该如何为应用分配 GPU 资源，并且阐述了当前的一些限制条件。
+
+## 使用设备插件（Device Plugin）
+
+Kubernetes 包含了设备插件（Device Plugin），以允许 Pod 访问特殊的硬件资源，例如 GPU。
+
+为了达成此目的，集群管理员必须在节点上安装对硬件厂商提供的 GPU 驱动程序，并且运行该厂商提供的对应的设备插件（Device Plugin）。
+
+* [AMD](#部署-AMD-GPU-设备插件)
+* [NVIDIA](#部署-NVIDIA-GPU-设备插件)
+
+当上述设备插件已安装之后，Kubernetes 可以将 `amd.com/gpu` 或 `nvidia.com/gpu` 当做一种可调度的资源。此时，您可以像请求 `cpu` 或 `memory` [资源](/learning/k8s-intermediate/config/computing-resource.html#容器组及容器的计算资源请求及限制) 那样请求 GPU 资源 `amd.com/gpu` 或 `nvidia.com/gpu`。使用 GPU 资源时，有如下一些限制：
+* GPU 资源只能在 `limits` 中指定，即：
+  * 您可以只指定 GPU `limits` 而不指定 `requests`，因为 Kubernetes 会默认使用 GPU `limits` 的值作为 GPU `requests` 的值；
+  * 您可以同时指定 GPU `limits` 和 `requests`，但是两者必须相等；
+  * 您不能只指定 GPU `requests` 而不指定 GPU `limits`；
+* 容器（容器组）不能共享 GPU。GPU 也不能超售（GPU `limits` 的总和不能超过实际 GPU 资源的总和）；
+* 每个容器可以请求一个或多个 GPU，不能请求一个 GPU 的一部分（例如 0.5 个 GPU）。
+
+样例如下：
+
+```yaml
+apiVersion: v1
+kind: Pod
+metadata:
+  name: cuda-vector-add
+spec:
+  restartPolicy: OnFailure
+  containers:
+    - name: cuda-vector-add
+      # https://github.com/kubernetes/kubernetes/blob/v1.7.11/test/images/nvidia-cuda/Dockerfile
+      # image: "k8s.gcr.io/cuda-vector-add:v0.1"
+      image: "eipsample/cuda-vector-add:v0.1"
+      resources:
+        limits:
+          nvidia.com/gpu: 1 # requesting 1 GPU
+```
+
+## 部署 AMD GPU 设备插件
+
+部署 [官方 AMD GPU 设备插件](https://github.com/RadeonOpenCompute/k8s-device-plugin) 时，有如下前提条件：
+* Kubernetes 节点已经预先安装了 AMD GPU Linux 驱动程序。
+
+如果上述条件满足，可以执行如下指令部署 AMD GPU 设备插件：
+```sh
+kubectl create -f https://raw.githubusercontent.com/RadeonOpenCompute/k8s-device-plugin/v1.10/k8s-ds-amdgpu-dp.yaml
+```
+
+如果碰到与此设备插件相关的问题，请到其 GITHUB 仓库 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 提交 ISSUE。
+
+## 部署 NVIDIA GPU 设备插件
+
+当前有两种 NVIDIA GPU 的设备插件可供选择：
+
+### 官方 NVIDIA GPU 设备插件
+
+部署 [官方 NVIDIA GPU 设备插件](https://github.com/NVIDIA/k8s-device-plugin) 时，有如下前提条件：
+* Kubernetes 节点已经预先安装了 NVIDIA 驱动程序；
+* Kubernetes 节点已经预先安装了 [nvidia-docker 2.0](https://github.com/NVIDIA/nvidia-docker)；
+* Kubelet 必须使用 Docker 作为其容器运行时；
+* Docker 的 [默认运行时](https://github.com/NVIDIA/k8s-device-plugin#preparing-your-gpu-nodes) 必须配置为 `nvidia-container-runtime`，而不是 `runc`；
+* NVIDIA 驱动程序的版本必须满足限定条件 `~= 384.81`。
+
+如果上述条件都满足，可以执行如下指令部署 官方 NVIDIA GPU 设备插件：
+``` sh
+kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/1.0.0-beta4/nvidia-device-plugin.yml
+```
+
+如果碰到与此设备插件相关的问题，请到其 GITHUB 仓库 [NVIDIA/k8s-device-plugin](https://github.com/NVIDIA/k8s-device-plugin) 提交 ISSUE。
+
+### GCE 使用的 NVIDIA GPU 设备插件
+
+[GCE 使用的 NVIDIA GPU 设备插件](https://github.com/GoogleCloudPlatform/container-engine-accelerators/tree/master/cmd/nvidia_gpu) 不需要用到 nvidia-docker，并且可以兼容 Kubernetes Container Runtime Interface（CRI）支持的任意容器运行时（docker / containerd / CRI-O）。该设备插件可以兼容 [CONTAINER-OPTIMIZED OS](https://cloud.google.com/container-optimized-os/) ，并且实验性地兼容 ubuntu。
+
+执行如下指令可以安装 GCE 使用的 NVIDIA GPU 设备插件：
+
+```sh
+# Install NVIDIA drivers on Container-Optimized OS:
+kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/stable/daemonset.yaml
+
+# Install NVIDIA drivers on Ubuntu (experimental):
+kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/stable/nvidia-driver-installer/ubuntu/daemonset.yaml
+
+# Install the device plugin:
+kubectl create -f https://raw.githubusercontent.com/kubernetes/kubernetes/release-1.14/cluster/addons/device-plugins/nvidia-gpu/daemonset.yaml
+```
+
+如果碰到与此设备插件相关的问题，请到其 GITHUB 仓库 [GoogleCloudPlatform/container-engine-accelerators](https://github.com/GoogleCloudPlatform/container-engine-accelerators) 提交 ISSUE。
+
+更多信息请参考 Google 提供的文档 [如何在 GKE 上使用 NVIDIA GPU](https://cloud.google.com/kubernetes-engine/docs/how-to/gpus)
+
+## 在集群中包含不同类型的 GPU
+
+如果你的集群中，不同节点使用了不同类型的 GPU，您可以使用 [节点选择器](/learning/k8s-intermediate/config/assign-pod-node.html#节点选择器-nodeselector) 把对应的 Pod 调度到合适的节点上。例如：
+
+```sh
+# Label your nodes with the accelerator type they have.
+kubectl label nodes <node-with-k80> accelerator=nvidia-tesla-k80
+kubectl label nodes <node-with-p100> accelerator=nvidia-tesla-p100
+```
+
+## 自动标记节点
+
+如果您使用的是 AMD GPU，您可以部署 [Node Labeller](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)。Node Labeller 是一个控制器，该控制器可以根据 GPU 设备的属性自动为您的节点做标记。
+
+当前，该控制器可以为如下属性添加标签：
+* Device ID (-device-id)
+* VRAM Size (-vram)
+* Number of SIMD (-simd-count)
+* Number of Compute Unit (-cu-count)
+* Firmware and Feature Versions (-firmware)
+* GPU Family, in two letters acronym (-family)
+  * SI - Southern Islands
+  * CI - Sea Islands
+  * KV - Kaveri
+  * VI - Volcanic Islands
+  * CZ - Carrizo
+  * AI - Arctic Islands
+  * RV - Raven
+
+```sh
+kubectl describe node cluster-node-23
+```
+
+```
+    Name:               cluster-node-23
+    Roles:              <none>
+    Labels:             beta.amd.com/gpu.cu-count.64=1
+                        beta.amd.com/gpu.device-id.6860=1
+                        beta.amd.com/gpu.family.AI=1
+                        beta.amd.com/gpu.simd-count.256=1
+                        beta.amd.com/gpu.vram.16G=1
+                        beta.kubernetes.io/arch=amd64
+                        beta.kubernetes.io/os=linux
+                        kubernetes.io/hostname=cluster-node-23
+    Annotations:        kubeadm.alpha.kubernetes.io/cri-socket: /var/run/dockershim.sock
+                        node.alpha.kubernetes.io/ttl: 0
+    …
+```
+
+如果使用了 Node Labeller，您可以在 Pod 定义中指定 GPU 类型，以便确保该 Pod 被调度到具备指定类型 GPU 的节点上，如下所示：
+
+```yaml
+apiVersion: v1
+kind: Pod
+metadata:
+  name: cuda-vector-add
+spec:
+  restartPolicy: OnFailure
+  containers:
+    - name: cuda-vector-add
+      # https://github.com/kubernetes/kubernetes/blob/v1.7.11/test/images/nvidia-cuda/Dockerfile
+      # image: "k8s.gcr.io/cuda-vector-add:v0.1"
+      image: "eipsample/cuda-vector-add:v0.1"
+      resources:
+        limits:
+          nvidia.com/gpu: 1
+  nodeSelector:
+    accelerator: nvidia-tesla-p100 # or nvidia-tesla-k80 etc.
+```