[Docker] 镜像打包训练好的模型

任务：将训练好的网络模型通过docker镜像打包，别人再使用时就不需要配置环境。

1. 从docker hub网站上pull 合适的基础镜像

docker pull pytorch/pytorch:latest

2. 通过镜像生成一个容器

nvidia-docker run -it --name image_new_name Image_orignal_name

• nvidia-docker 表示创建的这个容器可以自动配置GPU（也就是程序可以跑在GPU上），如果是用docker 创建容器的话，默认程序跑在CPU上。
• 有时会看到在这个语句里加入 [-v 本地路径:容器路径]，它将本地路径里的所有文件挂载（我的理解是映射，具有同步性）到容器路径里面。但要注意的是：该容器一旦被用来生成新的镜像，挂载的文件不会出现在用该新镜像生成的容器里。

3. 查看生成的容器 ID

docker ps -a

• -a 表示显示所有容器，无论是正在运行的还是未运行的。

4. 将训练好的模型文件以及相关代码从本地复制到容器里

docker cp local_path container_ID:container:path

5. 运行该容器，并进入bash界面

docker start container_ID  #启动容器
docker exec -it container_ID /bin/bash #进入bash界面

6. 在该容器里测试训练好的模型是否可以正常运行

7. 将该容器生成新的镜像

docker commit container_ID your_image_name #比如 your_image_name = my/image:v1

•  如果用 docker export container_ID > XXX.tar 的话，用该镜像生成容器（步骤2）的时候需要加上/bin/bash，否则会失败。

8. 打包新镜像

docker save image_ID > XXX.tar

9. 测试别人是否可以正常使用该新镜像

cat XXX.tar | docker import - my/image:v1

   重复步骤2，6即可。

参考文献：前言 - Docker —— 从入门到实践