Docker学习

Docker 基础概念与操作
本文介绍 Docker 的核心概念,包括镜像、仓库和容器,以及如何通过 Docker 完成应用的标准化部署。文章详细解释了 Docker 的工作原理,并提供了安装、启动 Docker 的方法,以及常用命令如查看、下载、运行镜像等。

解释含义(什么东西):

装应用的容器也可以理解为轻量级的虚拟机。


思想:

1.集装箱:不管放到哪,运行不会缺少东西。

2.标准化: 2.1运输方式: 由鲸鱼送到超级码头,然后由码头运输到目的地

    2.2存储方式(不需关注存储位置,只需执行相关命令打开或关闭应用)

                    2.3API接口(相同的命令适用所有应用)

3隔离:对每个镜像规定所占cpu内存大小,镜像之间相互不影响,一旦超过所分配cpu大小,就会自动杀掉

  

三个基本概念

镜像(集装箱)

仓库(码头)

容器(运行程序的地方)


docker安装与启动

  安装:

  打开docker官网下载(百度有安装步骤)

  启动:

打开dos窗口(windos+R)输入【cmd】

  docker   version    版本信息


  docker  images 查看镜像


  docker   pull  hello-world  下载镜像

 docker  images 查看镜像
 docker   run  hello-world   (运行镜像)


docker  exec -it  正在运行的镜像id   /bin/bash (进入镜像【windos操作系统下】)


docker run 和 docker create 参数基本一样,run是创建容器并后台启动,create是只创建容器。 


docker run 相当于docker create 和 docker start

运行中的镜像称为容器。你可以修改容器(比如删除一个文件),但这些修改不会影响到镜像。

你使用docker commit 命令可以把一个正在运行的容器变成一个新的镜像。



六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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