python-gpu项目的docker部署

一，docker简介

docker基本关系图：

常用指令：
docker pull：从仓库拉取镜像（获取镜像方式一）

docker images：查看本地可用的镜像

docker run -it -d：运行镜像成为一个容器(若你的镜像在以容器启动后没有一个前台进程，加上-it 后不会自动exited)

-d 后台运行 -p 内部：外部端口映射 --name:给容器起别名 -v：映射外部内部文件 -v‘pwd’:/usr/share/nginx/html

docker run -d -p 88:80 --name mynginx -v ‘pwd’:/usr/share/nginx/html nginx:1.13(1.13为指定NGINX的版本)

docker exec：进入容器

exit ：退出容器

docker ps：查看运行的容器

docker ps -a : 查看当前系统中容器的列表

docker rm:删除容器

docker commit：将容器提交为镜像

dockerfile: 获取镜像方式二
创建dockerfile文件：
add：将当前文件夹下所有文件复制到 容器/usr/share/nginx/html/ 目录下

docker build -t m2 .
m2：创建的镜像名 .：当前目录

docker save: 将镜像保存为tar文件

docker load：加载tar为镜像（获取镜像方式三）

二，Dockerfile文件示例
Dockerfile 文件可以通过docker build指令构建为一个docker镜像。

Dockerfile文件示例：

FROM tensorflow/tensorflow:1.14.0-gpu-py3  # 需要加载的基础镜像
LABEL maintainer="e-mail"  # 说明维护人
ADD ./ /faq_serving        # 将当前目录下的所有文件复制到镜像的指定目录，也可以通过挂载的方式将宿主代码映射至容器中
WORKDIR /faq_serving	   # 指定工作路径
CMD ["/bin/bash", "docker_run.sh"]   #