Docker命令记录

• 查看已有容器

docker images

• 命令行模式进入该容器

docker run -it ubuntu /bin/bash

• 由镜像启动容器

docker run -itd -p 5000:5000 -w /app/labproject ubuntu_defecte_class:base_line python3 app.py

-p 容器内外端口映射 主机：容器

-P 容器内端口随机映射到主机

-d 容器后台运行

-v 主机文件夹映射到容器内

• 进入启动的容器
  docker ps
  docker exec -it 5c895418806f /bin/bash

• 提交容器修改

docker commit -m “commit message” -a “author info” [container_id] image_name:tag

• 导出容器

docker export -o [outputfile][container_id]

• 导出镜像

docker save -o [output_name] [image]

• 导入容器

docker import [container_file] [command|/bin/bash]

• 导入镜像

docker load < [tar file]

• 拷贝文件到容器里

docker cp [local file] [fall_container_id]:[container_path+filename]

• 指定源 安装tensorflow1.13.1

sudo python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1

sudo python -m pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.13.1

pip install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.13.1-py3-none-any.whl

export PATH=/home/(your_user_name)/anaconda3/bin:$PATH
source .bashrc

jupyter lab --ip=’*’ --port=8888 --no-browser --allow-root

• 查看指定容器日志

docker logs [OPTIONS]

• 查看所有日志

docker-compose logs

• 把错误日志写进文件
  docker logs -t | grep error >> logs_error.txt