docker常用命令

最新推荐文章于 2024-08-19 17:49:34 发布

浪啦里格朗

最新推荐文章于 2024-08-19 17:49:34 发布

阅读量817

点赞数

本文链接：https://blog.csdn.net/songxia928_928/article/details/109681396

版权

linux 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

下面介绍一些docker的常用命令。如果是sudo权限，请自行在docker和脚本前加上。这里为了显示简介，就没有加。

1 docker pull（拉镜像）

docker images # 显示所有docker镜像

docker pull nvidia/cuda:8.0-cudnn7-devel # 拉镜像

2 docker run（运行容器）

nvidia-docker run -it -d --name=test_docker \    # docker name 
--device=/dev/nvidia0:/dev/nvidia0 \ # 指定GPU 0
--device=/dev/nvidia1:/dev/nvidia1 \
-v /data/aidata:/data \              # 指定 映射路径，前面为服务器，后面为docker
-v /data1/aidata:/data1 \
-p 18307:9096 \                      # 指定 端口，前面为服务器，后面为docker
-p 18217:226 \
nvidia/cuda:8.0-cudnn7-devel /bin/bash –D   指定 镜像

（1）保存上面的脚本为 docker_run.sh。

（2）执行命令：sh docker_run.sh。

说明：

（1）用(netstat -tunlp)查看未使用的端口号。

（2）如果想从服务镜像中恢复原来的环境，而不启动工程，则需在设置中加上 --entrypoint=bash

3 docker exec（进入容器）

docker ps -a # 显示所有docker容器，可以看到容器ID、容器name、对应镜像

docker exec -it xxx bash # 运行docker容器（xxx）。如果xxx是容器ID，则可以只是开头的部分字符串；如果是容器name，则需要是全程。

Ctrl-D或 exit # 退出容器

4 docker commit（封装容器为镜像）

docker commit xxx yyy:zzz # 将容器ID（xxx）打包成镜像（yyy:zzz），镜像REPOSITORY（yyy）和镜像TAG（zzz）

5 docker rm/rmi（删除容器和镜像）

docker stop xxx # 删除容器或镜像前需要停止容器，xxx为容器ID

docker rm xxx # 删除运行的容器（xxx）

docker rmi yyy:zzz # 删除运行的镜像（yyy:zzz）

6 docker tag（更改镜像REPOSITORY 和 TAG）

docker tag iii yyy:zzz # 更改镜像ID（iii）的REPOSITORY（yyy）和 TAG（zzz）

7 docker push（推镜像）

（1）登录镜像仓库

docker login xxx.com.cn # 登录镜像仓库，需输入密码

（docker logout xxx.com.cn # 退出登录的镜像仓库）

（2）镜像名字更改为指定镜像库地址

docker tag iii yyy:zzz # 更改镜像ID（iii）的REPOSITORY 和 TAG

（3）push

docker push yyy:zzz # 推镜像

8 Dockerfile（封装镜像）

# ========  Base images 基础镜像
FROM  nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04

# ======== 添加源
RUN sed -i "s/archive.ubuntu.com/mirrors.aliyun.com/" /etc/apt/sources.list && \
    sed -i "s/security.ubuntu.com/mirrors.aliyun.com/" /etc/apt/sources.list

# ======== apt-get安装基础软件 
RUN apt-get update && apt-get install --no-install-recommends -y \
      build-essential \
      git \
      gcc \
      g++ \
      make \
      automake \
      autoconf \
      bzip2 \
      wget \
      curl \
      gawk \
      libtool \
      libatlas3-base \
      zlib1g-dev \
      python \
      python-pip \
      python-dev \
      subversion \
      unzip \
      flac \
      libjansson-dev \
      lrzsz  \
      vim && \
    apt-get clean all && \
    rm -rf /var/lib/apt/lists/*

# =========== 安装 tensorflow、keras 
# initial environment configuration
RUN apt update  && \
    apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim

# install  Acceleration library
RUN apt install -y libopenblas-dev liblapack-dev libatlas-base-dev  && \
    apt-get clean all && \
    rm -rf /var/lib/apt/lists/*

# updata pip
RUN pip install --upgrade pip
RUN pip install -U --pre setuptools

# Install keras and related development kits
RUN pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image  && \
    pip install -U --pre tensorflow-gpu==1.9  && \
    pip install -U --pre keras

# =========== 安装 ffmpeg 
# install yasm
RUN apt-get update && apt-get install --no-install-recommends -y \
      yasm  && \
    apt-get clean all && \
    rm -rf /var/lib/apt/lists/*

# install ffmpeg
RUN wget http://ffmpeg.org/releases/ffmpeg-3.1.3.tar.gz  && \
    tar -zxvf ffmpeg-3.1.3.tar.gz  && \
    cd ffmpeg-3.1.3      && \
    ./configure     && \
    make   && \
    make install  && \
    cd ..   && \
    rm -rf ffmpeg-3.1.3.tar.gz  && \
    rm -rf ffmpeg-3.1.3

# install tqdm
RUN pip install tqdm

# ========== 安装 opencv 
RUN pip install opencv-python scipy

（1）保存上面的脚本到文件Dockerfile。

（2）执行下面命令，运行Dockerfile（路径为Dockerfile当前路径）。

docker build -t yyy:zzz . # 执行Dockerfile文件，生成镜像（yyy:zzz）

9 镜像《=》 压缩文件（.tar）

docker save -o yolov5.tar ultralytics/yolov5:latest # 镜像打包成文件

docker load < yolov5.tar # 导入文件为镜像

docker load --input yolov5.tar # 同上

10 其他

docker image history yyy:zzz # 查看镜像（yyy:zzz）的之前，添加的层