需要知道的几个docker命令

Docker命令行 docker命令 阅读详情

安装

  • 第一步:上传docker-20.10.8.tar到/data/

  • 第二步:创建docker数据目录

[root@SZD-L0519334 ~]# mkdir -p  /data/docker_lib/
  • 第三步:创建docker服务配置

    # 文件目录定义
    dockerServiceFile="/etc/systemd/system/docker.service"
    # 写入内容
    echo -e "[Unit]"                                                                                 > $dockerServiceFile
    echo -e "Description=Docker Application Container Engine"                                       >> $dockerServiceFile
    echo -e "Documentation=https://docs.docker.com"                                                 >> $dockerServiceFile
    echo -e "After=network-online.target firewalld.service"                                         >> $dockerServiceFile
    echo -e "Wants=network-online.target"                                                           >> $dockerServiceFile
    echo -e "[Service]"                                                                             >> $dockerServiceFile
    echo -e "Type=notify"                                                                           >> $dockerServiceFile
    echo -e "# the default is not to use systemd for cgroups because the delegate issues still"     >> $dockerServiceFile
    echo -e "# exists and systemd currently does not support the cgroup feature set required"       >> $dockerServiceFile
    echo -e "# for containers run by docker"                                                        >> $dockerServiceFile
    echo -e "ExecStart=/usr/bin/dockerd --data-root=/data/docker_lib"                               >> $dockerServiceFile
    echo -e "ExecReload=/bin/kill -s HUP $MAINPID"                                                  >> $dockerServiceFile
    echo -e "# Having non-zero Limit*s causes performance problems due to accounting overhead"      >> $dockerServiceFile
    echo -e "# in the kernel. We recommend using cgroups to do container-local accounting."         >> $dockerServiceFile
    echo -e "LimitNOFILE=infinity"                                                                  >> $dockerServiceFile
    echo -e "LimitNPROC=infinity"                                                                   >> $dockerServiceFile
    echo -e "LimitCORE=infinity"                                                                    >> $dockerServiceFile
    echo -e "# Uncomment TasksMax if your systemd version supports it."                             >> $dockerServiceFile
    echo -e "# Only systemd 226 and above support this version."                                    >> $dockerServiceFile
    echo -e "#TasksMax=infinity"                                                                    >> $dockerServiceFile
    echo -e "TimeoutStartSec=0"                                                                     >> $dockerServiceFile
    echo -e "# set delegate yes so that systemd does not reset the cgroups of docker containers"    >> $dockerServiceFile
    echo -e "Delegate=yes"                                                                          >> $dockerServiceFile
    echo -e "# kill only the docker process, not all processes in the cgroup"                       >> $dockerServiceFile
    echo -e "KillMode=process"                                                                      >> $dockerServiceFile
    echo -e "# restart the docker process if it exits prematurely"                                  >> $dockerServiceFile
    echo -e "Restart=on-failure"                                                                    >> $dockerServiceFile
    echo -e "StartLimitBurst=3"                                                                     >> $dockerServiceFile
    echo -e "StartLimitInterval=60s"                                                                >> $dockerServiceFile
    echo -e "[Install]"                                                                             >> $dockerServiceFile
    echo -e "WantedBy=multi-user.target"                                                            >> $dockerServiceFile
    # 添加可执行文件
    chmod +x $dockerServiceFile
    
  • 第四步:安装docker

    # 解压
    [root@SZD-L0519334 ~]#  cd /data;tar -xvf docker-20.10.8.tar -C /usr/bin
    
  • 第五步:重新加载配置文件 #启动Docker

    [root@SZD-L0519334 data]# systemctl stop docker&&systemctl daemon-reload&&systemctl start docker
    
  • 第八步:设置开机自启

    [root@SZD-L0519334 data]# systemctl enable docker.service         
    

常规操作

  • docker自身

    # 启动docker
    systemctl start docker
    
    # 停止docker
    systemctl stop docker
    
    # 查看状态
    systemctl status docker
    
    # 查看Docker版本
    [root@SZD-L0519334 data]# docker -v
    
  • 镜像相关操作

    # 列出所有镜像
    docker images
    
    # 列出所有名字包含test1关键词的镜像
    docker images|grep 'test1'
    
    # 列出所有名字包含关键词 test1或test2 的镜像
    docker images|grep -E 'test1|test2'
    
    # 列出所有名字不包含test2关键词的镜像
    docker images|grep -v 'test2'
    
    # 删除docker 中的所有镜像
    docker rmi $(docker images -q)
    docker rmi $(docker images |awk '{print $3}')
    
    # 删除docker 中含有关键词(k8s4)的的所有镜像
    docker rmi $(docker images |grep k8s4|awk '{print $3}')
    
    # 删除所有不使用的镜像
    docker image prune -f -a
    
    # 加载镜像
    docker load -i test.tar.gz
    
    # 修改镜像tag
    docker tag test:tag1 test:tag2
    
    # 镜像打包
    docker save test:tag1| gzip > test_tag1.tar.gz
    
  • 容器相关操作

    # 列出运行中容器ID
    docker ps
    
    # 列出所有容器
    docker ps -a
    
    # 列出所有容器ID
    docker ps -aq
    
    # 列出运行中容器ID
    docker ps -q
    
    # 停止容器
    docker stop 容器id
    docker stop 容器名:容器tag
    
    # 删除容器 
    docker rm 容器id
    docker rm 容器名:容器tag
    
    # 停止所有的容器
    docker stop $(docker ps -aq)
    
    # 删除所有容器 
    docker rm $(docker ps -aq)
    
    # 设置容器自启动(kill 进程后会自启,docker stop 后不会自启)
    docker update --restart=always 容器ID
    
    # 关闭容器自启动
    docker update --restart=no 容器ID
    
    # 删除所有停止的容器
    docker container prune -f
    
    # 进入容器
    sudo docker exec -it 容器ID /bin/bash
    
    # 退出容器
    exit
    
  • 清理

    # 清理未启动的容器和无用的镜像
    docker system prune -a -f
    

镜像迁移

  • 第一步:连接镜像仓库下拉镜像

    # 连接仓库 语法
    docker login -u [用户名] -p [密码] [仓库地址]
    # 连接仓库 示例
    docker login -u XIAOLI -p 123456 pase-hub.test.com.cn
    
    # 拉取镜像 语法
    docker pull [仓库地址]/[仓库]/[镜像名]:[镜像版本号]
    # 拉取镜像 示例
    docker pull pase-hub.test.com.cn/p0069/test:DEV-HRX-SRCB-LSRC2.0.20211230B19
    
  • 第二步:镜像打包

    # 压缩方式 语法
    docker save [镜像名]:[镜像版本号] | gzip > [镜像名].tar.gz
    #  压缩方式  示例
    docker save test:DEV-HRX-SRCB-LSRC2.0.20211230B19 | gzip > test.tar.gz
    
    # 非压缩方式 语法
    docker save [镜像名]:[镜像版本号]  > [镜像名].tar.gz
    # 非压缩方式 示例
    docker save test:DEV-HRX-SRCB-LSRC2.0.20211230B19 > d:/test.tar
    
  • 第三步:镜像转移(镜像文件copy)

  • 第四步:目标机加载镜像

    # 语法
    docker load -i [镜像名].tar.gz
    # 示例
    docker load -i test.tar.gz
    docker load -i test.tar
    
  • 第五步:修改tag添加目标镜像仓库地址*

    # 语法
    docker tag [镜像名]:[镜像版本号] [目标仓库地址]/[目标仓库名]/[镜像名]:[镜像版本号]
    # 示例
    docker tag testRegistryAddress1/Registry1/testImage:tag1 registry2.qq.com.cn/Registry2/testImage:tag1
    
  • 第六步:把镜像推到目标镜像仓库

    # 登录 语法
    docker login -u [客户仓库用户名] -p [客户仓库密码] [客户仓库地址]
    # 登录示例
    docker login -u testUser -p 12345678 registry2.qq.com.cn
    
    # 推送 语法
    docker push [客户仓库地址]/[客户仓库名]/[镜像名]:[镜像版本号]
    # 推送 示例	
    docker push registry2.qq.com.cn/Registry2/testImage:tag1
    
一种基于改进YOLOv8并与ORB-SLAM3融合的动态环境密集点云同步定位与建图(SLAM)方法 文章提出了一种基于改进 YOLOv8 与 ORB-SLAM3 融合的动态环境稠密点云 SLAM 方法,通过引入GSConv 卷积模块和VoVGSCSP 特征融合模块优化 YOLOv8 的轻量性,结合实时目标检测与语义分割技术去除动态特征点,显著提升了动态场景下的位姿估计精度。 阅读详情

相关推荐

保姆级教程:在Android车机上从零配置USB Gadget,搞定CarPlay有线连接

本文详细介绍了在Android车机上从零配置USB Gadget以实现CarPlay有线连接的完整实践指南。涵盖内核驱动开发、Android系统配置及用户空间通信架构,帮助开发者深入理解USB子系统和iAP2协议栈,实现稳定可靠的CarPlay有线连接功能。

weixin_30621711的博客 473

Linux一串指令修改密码及解析

指令: echo -e "123456\n123456" | passwd root 描述: 指令echo -e -e:激活转义字符。使用-e选项时,若字符串中出现以下字符,则特别加以处理,而不会将它当成一般文字输出 •\a 发出警告声; •\b 删除前一个字符; •\c 最后不加上换行符号; •\f 换行但光标仍旧停留在原来的位置; •\n 换行且光标移至行首; •\r 光标移至行首,但不换行; •\t 插入tab; •\v 与\f相同; •\ 插入\字符; •\nnn 插入nnn(八进制)所代表的A

yiluang的博客 844

Power BI财销一体分析——KPI分析应用实践

第九步:插入三个散点图,行拖入分销商表分销商字段,将度量值中的销量拖入X轴,将利润拖入Y轴,大小拖入度量值总销售额,将分销商表业务类型字段作为筛选条件添加给散点图,分别选择专业自行车店、增值经销商、仓库,使视觉对象固定显示不同业务类型的散点分布。这个公式其实是不需要我们自己写的,依赖于快度量值功能星级评分,基值选择度量值总销售额,星数选择5,最低星值评分选择0,最高星级评分值选择100,点击添加,星级评分度量值就建立好了,接下来我们理解一下公式。好的,今天的讲解就到这里。

BI瓶子的博客 1553

Linux中使用echo修改用户密码

前言 使用echo命令,可以实现很方便、快捷地修改用户密码 使用方法 语法 # echo password | passwd --stdin username 示例 # echo "123456" | passwd --stdin root Changing password for user root. passwd: all authentication tokens updated successfully. 结语 … … ...

weixin_42715225的博客 7074

基于FaceX-Zoo实现的Face Mask Adding人脸戴口罩

人脸系列文章目录 文章目录人脸系列文章目录前言一、加口罩效果二、实现原理二、代码实现 前言 目前人脸加口罩均为在人脸位置贴图式的,非常不真实。前段时间京东开源一个基于PRnet实现的3D口罩拟合人脸,加口罩非常逼真,但是只是单独一个加口罩demo,没有完整的流程。于是本人结合人脸检测,关键点对齐。PRnet加口罩实现一个完整的加口罩流程。只需一个命令简单方便调用,实现人脸加口罩。 https://github.com/JDAI-CV/FaceX-Zoo 一、加口罩效果 下图可以看出效果还是非常逼真的

zengwb的博客 3391

TwinCAT 3 实战:手把手教你用PLC和C++读写第三方伺服驱动器的CoE参数

本文详细介绍了在TwinCAT 3环境中通过PLC和C++两种技术路线实现对第三方伺服驱动器CoE参数的精准操控。从环境准备到具体实现,包括硬件配置、核心函数使用及性能优化策略,为工程师提供了全面的实战指南。特别针对CoE参数访问的效率和稳定性问题,给出了实用的调试技巧和异常处理方案。

weixin_33743248的博客 446

Linux基础命令

常用的Linux命令使用 启动到Linux界面以后,在桌面上右键打开终端,即可进入命令输入的终端界面。 请在实验过程中输入正确的命令和选项参数,依次完成以下功能: 1、创建自己的账户(如:学号或姓名)和口令。该操作需要root帐号。 “sudo passwd”输入密码设置root,“su ”切换为root帐号。 2、分别使用useradd 和adduser命令新创建的用户账户和口令登录L...

ZPeng_优快云的博客 1231

线性代数笔记【空间曲面】

二次曲面 曲面可以看成是一个动点或一条动曲线按照一定条件或规律运动产生的轨迹 曲面的方程即是该动点的坐标所满足的方程 空间解析几何中,一般会涉及到由曲面写方程和由方程看曲面两种类型问题 曲面与曲面方程 球面方程 球面:空间内与定点的距离等于定长的点的集合 这一定点叫球心,定长叫半径 标准方程 (x−x0)2+(y−y0)2+(z−z0)2=r2(x-x_0)^2+(y-y_0)^2+(z-z_0)^2=r^2(x−x0​)2+(y−y0​)2+(z−z0​)2=r2 球心P0(x0,y0,z0)P_0(

qq_40500005的博客 3246

​sudo passwd root 第一次进入超级用户,修改密码 rootecho -e “\033[?25l” 隐藏光标echo -e “\033[?25h” 显示光标​

sudo passwd root 第一次进入超级用户,修改密码 root。

Answer的博客 236

华为海思IC前端中后端(COT&XPU)岗位笔试机考题

华为海思COT和XPU部门IC前端,IC中端,IC后端岗位笔试真题分享

weixin_37584728的博客 3362

2022中山大学计算机技术专硕考研初试、复试经验帖

个人简介 推荐几个我自己感觉对考研非常有帮助的小助手吧。可以帮助节省时间! 考研时间规划总览 初试篇 数学 英语 政治 408 复试篇 机试 笔试 面试 关于选导师 个人感言

zik的博客 1万+

Dockerfile中echo命令不能加 -e 选项

以换源举例: export CDN=http://mirrors.ustc.edu.cn echo -e "\ deb $CDN/debian/ buster main contrib non-free\n\ deb $CDN/debian/ buster-updates main contrib non-free\n\ deb $CDN/debian/ buster-backports main contrib non-free\n\ deb $CDN/debian-security/ buste

十二翼堕落天使 1482

【Claude】权限被拒绝 (Permission Denied) 全场景排查 — 已解决

权限配置是 Claude Code 安全使用的核心机制。通过合理的 allow/deny 规则、正确的通配符使用、子代理独立配置、定期安全审计,可以在保证安全性的同时不影响开发效率。deny 优先:deny 规则优先级高于 allow,先保护敏感资源通配符精确单层匹配,**递归匹配,Bash(cmd*)允许带参数最小权限:只允许必要的操作,避免Bash(*)等危险规则CI 用 skip:Headless 模式用避免挂起子代理独立:每个子代理单独配置权限,不自动继承保护密钥:deny.env。

一键难忘的博客 3950

Docker详解,你知道的和不知道的都在这儿

Docker 是一个开源的容器化平台,允许开发者将应用程序和所有其依赖项打包成一个轻量级、可移植的容器,以便在任何地方运行。Docker 采用了 Linux Namespace 和 cgroups 等技术,实现了高度的资源隔离和安全保障,使得容器化应用得以快速、高效地部署和运行。

AI时代光年 2664

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

docker命令详解

docker命令详解

m0_62357580的博客 3108

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

必须知道的Docker的常用命令

文章目录帮助命令docker versiondocker infodocker 命令 --help镜像命令docker images(查看所有本地的主机上的镜像)docker search (搜索镜像)docker pull(拉取镜像)docker rm ( 删除镜像)容器命令docker runexit(容器停止并退出到主机)Ctrl + p +q(容器不停止退出)docker ps(查看有哪些容器正在运行)docker rm( 删除容器)其他容器命令常用的其他命令docker run -d 镜像名(后台

weixin_43342105的博客 657

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

关于Docker你不知道的那些事之Docker常用命令

Docker常用命令前言帮助命令镜像命令容器命令总结 前言 本文只介绍常用的Docker命令,更深层的Docker学习,敬请期待后续文章。学习 帮助命令 docker version:docker安装完成之后的验证,显示版本内核信息 docker info:docker信息的表述 docker --help: docker命令的帮助文档 镜像命令 docker images :列出本地主机上的镜像 docker images -qa:列出本地所有镜像ID 镜像是分层的,类似于千层饼 optio

轻狂书生FS的博客 1952

docker几个命令

docker自动重启容器 docker run -d --restart always 限制重启次数,并且会在退出容器且返回值不是0的时候重启 docker run -d --restart=on-failure:5 另一个自动重启命令 docker run -d --restart unless-stopped docker重启命令 systemctl restart ...

yang1519784522的博客 183

docker中几个常用命令

docker run -d -p [本机端口]:[容器端口] --name [容器名称] [镜像名称]docker rm <container_id_or_name>, 多个ID或者Name用空格分开。docker images -a, 列出所有镜像(包括中间层镜像)docker ps -a, 查看所有容器,包括停止容器。docker build -t [镜像版本] .从Dockerfile构建Docker镜像。docker images, 列出镜像。重启服务,只启动新版本服务。

444

docker进入容器运行命令

Docker是一种流行的容器化平台,它能够快速构建、交付和运行应用程序。在使用Docker时,我们经常需要进入容器进行调试、管理和运行命令等操作。进入 docker 容器需要执行以下步骤:打开终端窗口。使用 docker ps 命令查看正在运行的容器。使用 docker exec -it /bin/bash 命令进入容器,在容器内执行命令,使用 exit 命令退出容器。

A_aspectJ的博客 2万+

docker启动命令,docker重启命令,docker关闭命令

一.docker服务的命令 启动: systemctl start docker 守护进程重启: systemctl daemon-reload 重启docker服务: systemctl restart docker / service docker restart 关闭: docker service docker stop / docker systemctl stop docker 二.关于docker容器的命令 启动: docker start 容器ID或容器名 1. 先查看已经暂停的容器实例信息

m0_67392010的博客 5万+

docker的image的几个命令

本文记录了Docker镜像和容器的管理操作过程。主要内容包括:查看本地镜像列表(nginx、ubuntu、busybox等),尝试拉取多个不同仓库的nginx镜像(部分失败),成功拉取quay.io/cloud-bulldozer/nginx镜像后又被删除;展示了docker image命令的用法,包括inspect查看镜像详细信息;记录了运行nginx容器后尝试删除镜像时遇到的冲突问题(镜像被容器占用),最终通过删除相关容器后成功删除nginx镜像。整个过程演示了Docker镜像和容器的基本管理操作及常见

夫君子之行,静以修身,俭以养德,非淡泊无以明志,非宁静无以致远. 1046

Docker相关命令详解

本文介绍了Docker的安装配置和常用操作命令。安装部分提供了多种安装方式,包括一键安装脚本和镜像站配置。常用命令分为两大类:启动类命令(如启动/停止Docker服务、查看状态、设置自启等)和镜像类命令(如查看/搜索/拉取/运行/删除镜像)。每个命令都配有详细说明和示例,帮助用户快速掌握Docker的基本使用方法。

毛兴宇 5152

Docker 命令——安全

我们将学习两个命令。第一个命令是 docker container run 命令,这样你就能看到使用该命令的一些好处。其次,我们将看看 docker container diff 命令,你可以用它来查看在已有的镜像基础上做了什么。让我们看看如何使用这两个命令来确保容器的安全。

静水深流 3406

【Docker】docker常用命令

码头工人。

学了就忘是正常现象 4377

【Docker】Docker常见命令汇总

Docker常用命令汇总

宝耶需努力的技术分享博客 9654
上一篇: shell-拿到云主机第一件事修改登录端口
下一篇: 磁盘性能测试
RobertLee~~~~~~~~
博客等级 码龄18年 14粉丝 43原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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