Docker使用教程之命令大全

Docker 使用教程之命令大全

主要命令

• 搜索需要的image

docker search XXX

• 拉取鏡像：

docker image pull XXX

• 運行docker：

docker run --gpus all -itd --name xxq_tf2 -v /home/work/xx/data:/root/data -v /home/work/xx/algpt2:/root/algpt2 -v /home/work/xx/algpt2:/root/xx patientzero/tensorflow2.0-gpu-py3.6 /bin/bash

• 查看運行的image

docker ps
# 查看所有的docker
docker ps -a

• 重新啓動docker 容器

docker start XXX

• 執行運行的image

docker exec -ti name /bin/bash

• 關閉和刪除docker容器

## 關閉容器
docker stop name
## 刪除容器
docker rm name

• 刪除docker的鏡像：

docker rmi image_id

• docker 提交

# 通過docker commit提交的image，可以使用docker images看到
docker commit -a "用戶" -m "說明" -p "暫停docker" docker_name

• docker 推送

# 將docker push到遠程的倉庫
docker push docker_name:tag

• docker 鏡像保存

docker save -o image_saved_name image_name:tag

• docker 導入

docker import --input image_saved_name

• docker容器與物理機之間傳文件

docker cp mycontainer:/opt/testnew/file.txt /opt/test/
docker cp /opt/test/file.txt mycontainer:/opt/testnew/

• docker中安裝程序vim，yum等

apt-get update
apt-get install vim -y
apt-get install yum -y

• docker 運行tensorflow serving

## 啓動http服務
## 注意model_name與-v後面的目錄一致
docker run --gpus '"device=5"' -d -p 8502:8501 --name bert -v /home/work/xx/pbs/output_model/:/models/my_model -e MODEL_NAME=my_model -t tensorflow/serving:latest-gpu

## 啓動grpc服務
docker run --gpus '"device=5"' -p 8700:8500  -p 8701:8501 --name transformer --mount type=bind,source=/home/work/xx/lantency/run_transformer,target=/models/transformer -e MODEL_NAME=transformer -t tensorflow/serving:latest-gpu

• curl訪問serving

curl -d '{"instances":[1,2,3,4]}' -X POST http://localhost:port/v1/models/my_model:predict