准备工作
本文目标为在docker上部署深度学习模型,并将完成的实例保存为镜像,方便今后部署。本次部署用到了docker、ubuntu18.04、python3.6.8、flask1.1.1、keras2.2.4、numpy1.17、tensorflow1.14cpu版(因为模型为图像分类模型、推理过程不需要太大的算力,在服务器至强6278C CPU上一张图的响应时间在0.4秒以内,相比之下,在本地服务器gtx 2080ti GPU上用时为0.24秒左右,并没有太大提升)以及常用的python库。
docker基本操作
1.docker镜像的获得
docker search ubuntu:18.04
选择一个镜像,通过该路径下载镜像,如:
docker pull docker.io/library/ubuntu:18.04
该路径为官方镜像,里面很多东西都莫得,甚至没有python3,都需要自己装,如果想要省事就装一个配置完整的。
2.通过镜像运行一个容器
docker run -dit -v /root/mzw:/root/mzw -p 5001:5000 --name=test9999 docker.io/ubuntu
其中-dit,-v,-p,–name都是参数,详细参数介绍见