- 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