提要：

這里完成一個(gè)完整的docker項(xiàng)目，并且將其推送到Docker-hub中。

docker知識(shí)5：在WSL2的ubuntu20.04環(huán)境安裝使用docker

第一步 登錄hub并建立倉(cāng)庫(kù)

如果docker-hub的注冊(cè)名稱(chēng)為china，建立倉(cāng)庫(kù)名稱(chēng)為china/tianjin，那么hub上將會(huì)有一個(gè)空的image，名稱(chēng)為china/tianjin.

在客戶(hù)端準(zhǔn)備：將一個(gè)container轉(zhuǎn)化成一個(gè)image，中心代碼：

docker commit? name-container? china/tianjin

注意：這里image名稱(chēng)必須與hub上一樣，才能推送到hub上去。

推送上面的image/tianjin到hub上去。

docker push?china/tianjin

登錄hub查看，將出現(xiàn)一個(gè)鏡像。

第二步 準(zhǔn)備一個(gè)完整項(xiàng)目在win10系統(tǒng)運(yùn)行

在win10下面，有開(kāi)發(fā)好的基于Mnist的KNN分類(lèi)項(xiàng)目。該項(xiàng)目存放在e盤(pán)（win10的）。

進(jìn)入wsl2的ubuntu，鍵入 cd /mnt/e && ls

huatec@LAPTOP-J5TGQHQH:~$? ?cd /mnt/e && ls
'$RECYCLE.BIN'? ?'System Volume Information' ? machine_learn
huatec@LAPTOP-J5TGQHQH:/mnt/e$?

可以看到? machine_learn，將其導(dǎo)入ubuntu：

sudo cp /mnt/e/machine_learn -r? /home/usr

查看倒入的效果：

cd? /home/usr && tree?machine_learn

結(jié)果是：

machine_learn
└── knn
? ? ├── KNN.py
? ? └── MNIST_data
? ? ? ? ├── t10k-images-idx3-ubyte.gz
? ? ? ? ├── t10k-labels-idx1-ubyte.gz
? ? ? ? ├── train-images-idx3-ubyte.gz
? ? ? ? └── train-labels-idx1-ubyte.gz

此時(shí)，此項(xiàng)目已經(jīng)導(dǎo)入ubuntu宿主機(jī)內(nèi)。

第三步? 將項(xiàng)目從宿主機(jī)導(dǎo)入容器

啟動(dòng)docker，從ubuntu宿主機(jī)執(zhí)行：

sudo service docker start

sudo docker pull tensorflow/tensorflow? ? 【這里tensorflow/tensorflow是個(gè)官方鏡像名稱(chēng)】

啟動(dòng)一個(gè)容器：

sudo docker run -it -p 8000：8000 --name mytensor? tensorflow/tensorflow

sudo docker ps? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 得到containerID? ? ?62e188e9e750

將宿主機(jī)項(xiàng)目導(dǎo)進(jìn)此容器

sudo docker cp /home/huaw/machine_learn?62e188e9e750:/home

進(jìn)入容器，查看導(dǎo)入項(xiàng)目

sudo docker exec -it? container-ID? ?/bin/bash? ? [?container-ID由sudo docker ps指令得到62e188e9e750]

第四步 如何從宿主機(jī)運(yùn)行container中的內(nèi)容

在container的路徑/home/mycont 下有：

KNN.py? ? ? ? ? python程序

MNIST_data? 數(shù)據(jù)目錄

在宿主機(jī)執(zhí)行，或?qū)懗蓅h腳本：

#!/bin/bash

DOCKER_ID=62f3f40ab240

sudo docker exec? -it? ?62e188e9e750? /bin/bash? -c?? 'cd /home && python KNN.py'

可以實(shí)現(xiàn)從宿主機(jī)啟動(dòng)container內(nèi)部的訓(xùn)練。

sudo docker??run tensorflow/tensorflow:0.12.1-gpu? python train.py

直接進(jìn)行訓(xùn)練。

第五步 如何將容器生成image

這里用到前面注冊(cè)的china/tianjin賬號(hào)。

sudo docker? commit 62e188e9e750? china/tianjin

sudo docker images

可以看到本地多了一個(gè)鏡像china/tianjin

第六步 將鏡像上傳到HUB上

sudo docker push?china/tianjin

再次進(jìn)入docker-hub網(wǎng)頁(yè)，發(fā)現(xiàn)Repositories中多出一個(gè)鏡像。至此大功告成！

參考文章：

Docker與深度學(xué)習(xí)_機(jī)器學(xué)習(xí)與系統(tǒng)-CSDN博客

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專(zhuān)家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的Docker知识6：实战！将一个tensorflow项目制作成Docker image的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。