使用docker部署python深度学习项目

1.在自己的项目文件中加入Dockerfile、requirements.txt

2.编写Dockerfile

#基于的基础镜像
FROM anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04
# 设置app文件夹是工作目录
WORKDIR /app
#代码添加到app文件夹
COPY . /app
# 安装环境依赖
RUN pip install -r requirements.txt
# 使程序运行
CMD ["python3","main.py"]

其中我是基于anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04镜像，之后就不用再安装torch的gpu版本了
requirements.txt可以通过以下命令生成

pipreqs ./ --encoding='utf-8' --force

3.拉取镜像

首先需要拉取这个镜像

docker pull anibali/pytorch:1.10.2-cuda11.3-ubuntu20.04

3.生成docker镜像

docker build -t [image_name] .

如果我的镜像名称设定为face_check，那么就执行

docker build -t [face_check] .

3.运行docker镜像

docker run -d --name [container_name] -p 80:80 [image_name]

如果我的镜像名称是face_check，需要设定的容器名称是fx_face_check，需要创建log文件就需要使用到root权限加入-u root，需要用到gpu就要加入–gpus all，需要设定暴露的端口为10008，那么加入-p 10008:10008，执行

sudo docker run -d -u root --restart=always --gpus all -p 10008:10008 --name fx_face_check face_check:1.0

4.检查docker镜像

查看是否运行成功，查看容器执行：

docker images

如果created没显示时长，说明没运行起来，检查日志

docker logs [id]

id 代表docker images时第一列对应的内容
根据日志信息检查报错内容，修改requirements.txt中信息，之后停止容器、删除容器、重新生成、运行镜像

5.停止、删除容器

docker stop [id]

docker rm [id]