Linux下Docker安装,相关概念理解以及初步使用

最近学习了Docker的相关使用,这里记录一下。
将按照Docker的简介、安装,一些相关概念的理解以及镜像、容器的初步使用进行介绍

  1. Docker简介
Docker是一个开源的应用容器引擎;是一个轻量级容器技术;

Docker支持将软件编译成一个镜像;然后在镜像中各种软件做好配置,将镜像发布出去,其他使用者可以直接使用这个镜像;

运行中的这个镜像称为容器,容器启动是非常快速的。

比如我们可以使用Docker快速创建Mysql、Tomcat、Redis容器,搭建环境

在Docker中只需要先将他们对应的镜像从Docker仓库中pull下来,然后在run运行这个镜像,就产生了相对应的容器,即搭建好环境

  1. Docker安装
	1、检查内核版本,必须是3.10及以上
    uname -r
	2、安装docker
	yum install docker,输入y表示确认安装
	3、查看docker版本
	docker -v
	4、启动docker
	systemctl start docker
	5、开机启动docker
	systemctl enable docker
	看到Created symlink from /etc/systemd/system/multi-user.target.wants/docker.service to /usr/lib/systemd/system/docker.service.则表示成功
	6、停止docker
	systemctl stop docker

  1. Docker相关概念
docker仓库(Registry):用来保存各种打包好的软件镜像;地址:(https://hub.docker.com/)

docker镜像(Images):软件打包好的镜像;放在docker仓库中;

docker容器(Container):镜像启动后的实例称为一个容器;容器是独立运行的一个或一组应用。一个镜像可以启动多个容器,而且他们之间互不干扰

  1. Docker镜像操作相关命令

    • 检索镜像
    docker  search 关键字  eg:docker  search tomcat
    

    也可以直接到官方仓库中检索(https://hub.docker.com/)

    • 拉取镜像
    docker pull 镜像名:tag
    :tag是可选的,tag表示标签,多为软件的版本,默认是latest
    
    • 查看本地所有镜像
    docker images
    
    • 删除指定的本地镜像
    docker rmi image-id(镜像id)
    

  1. Docker容器操作相关命令
    镜像----运行镜像----产生一个容器

    • 根据镜像启动容器
    docker run --name mytomcat -d tomcat:latest
    --name mytomcat表示为启动的容器起一个名字
    
    • 查看运行中的容器
    docker ps 
    
    • 停止运行的容器
    docker stop  容器的id
    
    • 查看所有的容器
    docker ps -a
    
    • 启动容器
    docker start 容器id
    
    • 删除一个容器
    docker rm 容器id
    
    • 启动一个做了端口映射的容器(跟第一个有点区别,这里做了端口映射)
    docker run --name mytomcat -d -p 8081:8080 tomcat:latest
    -d:后台运行
    -p: 将主机的端口映射到容器的一个端口    主机端口:容器内部的端口
    
    • 查看容器的日志
    docker logs container-name(容器名)或者 container-id(容器ID)
    
    • 进入指定Docker容器的bash中
    docker exec -it mysql01 bash
    比如这个就进入了我们创建的名叫mysql01的mysql容器的bash操作中
    退出,输入exit
    
    • 更多命令可以参考官方文档,每个镜像都有对应的命令文档说明

  1. 如果按照上面的操作的话,那就可以在浏览器中访问ip:8888看到Tomcat首页
    在这里插入图片描述
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值