设备是 mbp m3 16G 内存的。
因为 m 芯片并不好安装 xgboost 等库，经过一番搜索了解到可以使用 Docker
通过摸索构建了一个基于 Python 的镜像（包含 xgb 等机器学习库）
但是在训练模型的时候，经常报错，表现为 notebook 崩溃需要重来，或者是 python 脚本 killed
相关设置
经过进一步搜索，发现可能和内存、cpu 有关。
我在创建容器的时候，并没有指定一些 cpu 、内存的参数，在 desktop 中已经将相关设置拉满了
"CpuShares": 0,
"Memory": 0,
"NanoCpus": 0,
"CgroupParent": "",
"BlkioWeight": 0,
"BlkioWeightDevice": [],
"BlkioDeviceReadBps": [],
"BlkioDeviceWriteBps": [],
"BlkioDeviceReadIOps": [],
"BlkioDeviceWriteIOps": [],
"CpuPeriod": 0,
"CpuQuota": 0,
"CpuRealtimePeriod": 0,
"CpuRealtimeRuntime": 0,
https://imgur.com/a/oKDBMmh.jpg
理论上这不就是可以随意使用 mbp 的内存和 cpu 了？
进一步发现
进一步在重现问的时候，使用 docker stats 发现，在数据读取和处理的时候，
1 、cpu 和 内存使用都会涨，在数据读取完之后，cpu 立刻 0%，但是 mem usage 没有变化，还是 10G 左右，继续执行代码，马上就崩溃了，为啥内存不会恢复？
2 、即使没有限制使用 cpu 核心数，但是数据处理的时候， 容器的 cpu 占比可能 200%，但是电脑还是有 50% 的 cpu 剩余，为啥用不满？
3 、在建模的时候，容器的 cpu 可以飙升到 600%，但是内存使用居然没有用满？
疑问
实在是不怎么使用 docker ，总是感觉是不是容器不能很好的利用 mbp 的资源，理论上是比较好的设备了，居然跑个 xgb 跑不动
还是是我的数据量太大了吗？（差不多 15w 行 x 1000 列）
