Docker可以免去繁琐的环境配置问题，是一个真香的应用部署环境。
因而，打算基于Docker来创建和部署自己的model，从开始接触这个概念到真正应用成功，1天。
现总结一下流程：
主要参考：
1. docker 官网：http://www.docker.org.cn/
2. docker 基本操作： https://blog.csdn.net/weixin_44286547/article/details/88980211
3. docker从anaconda 3镜像开始：https://blog.csdn.net/sinat_28442665/article/details/85724080
4. docker 三层镜像的逐层构建： https://blog.csdn.net/qq_34955908/article/details/80559994
具体思路与做法：
1. docker 安装
以ubuntu为例：sudo apt install docker.io
验证：sudo docker version
2. 从一个比较好的基础镜像或者空白镜像开始
由于是要在anaconda下安装pytorch，并部署深度学习model：
sudo docker search anaconda
选择一个星数比较多的源：
docker pull continuumio/anaconda3
查看是否已经安装成功：
docker images
3. 开始一个容器，并建设自己的工程
开启容器：
sudo docker run -it continuumio/anaconda3 /bin/bash
找到ID：sudo docker ps
从git开启自己的项目： git clone XXX
配置自己的环境：conda/pip install XXX
conda env create -f xxx.yml
pip install -r xxx.txt
do whatever you want!
4. 容器的导出与迁移
容器的退出：exit
容器的启动：docker container start ID
容器的运行：docker exec -it ID /bin/bash
容器的导出： docker export ID > xxx/xxx.tar
容器的导入：docker import xxx/xxx.tar
5. 镜像迁移与部署
容器到镜像： docker commit -a 'author' -m 'description' container_ID new_images_name:tag
镜像的保存：docker save -o xxx/xxx.tar image_name
镜像的导入：docker load -i xxx/xxx.tar
6. 镜像的IP地址的配置
让容器的IP地址和host一致，则需要：
sudo docker run -dit --network host image_name cmd_path
来源：CSDN
作者：天羽东臻
链接：https://blog.csdn.net/lvxingvir_sigma/article/details/103989818