dockerfile文档编写（1）：基础命令

Modelscope-agent

ARG BASE_IMAGE=registry.cn-beijing.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-cuda12.1.0-py310-torch2.1.2-tf2.14.0-1.12.0FROM $BASE_IMAGEWORKDIR /home/workspaceCOPY . /home/workspace/RUN pip install -r requirements.txtRUN pip install -r apps/agentfabric/requirements.txtENV PYTHONPATH="${PYTHONPATH}:/home/workspace"CMD ["python", "apps/agentfabric/app.py"]

ARG

• ARG 指令，用于定义构建 Docker 镜像时可以使用的变量.
  这个参数设置了一个基础镜像地址，指向阿里云（registry.cn-beijing.aliyuncs.com）的 ModelScope 仓库
  这个基础镜像包含了以下主要组件：
  Ubuntu 22.04 操作系统
  CUDA 12.1.0（用于 GPU 支持）
  Python 3.10
  PyTorch 2.1.2
  TensorFlow 2.14.0
  ModelScope 1.12.0

FROM

• FROM 指令指定了构建新镜像所基于的基础镜像

WORKDIR

• 设置容器内的默认工作目录为 /home/workspace
  如果该目录不存在,Docker 会自动创建它
  这条指令之后的 RUN、CMD、ENTRYPOINT、COPY 和 ADD 指令都会以这个目录为基准执行
  类似于在容器中执行 cd /home/workspace
  这是一个常见的做法,可以让容器内的文件操作更加清晰和可控,而不是都堆积在根目录下。

COPY

• 简单来说,这条命令会把构建 Docker 镜像时的上下文(通常是项目根目录)中的所有内容,复制到容器内的 /home/workspace/ 目录中。

RUN

• 这是一个在Docker构建过程中非常常见的步骤,用于确保容器中安装了应用程序所需的所有Python依赖包。requirements.txt文件通常包含了项目所需的所有Python包及其版本号。
  
  且要注意不同目录下的requirements，都需要run

ENV

• ENV 是 Dockerfile 的指令，用于设置环境变量
  PYTHONPATH 是 Python 用来查找模块和包的路径
  ${PYTHONPATH} 保留了原有的 PYTHONPATH 值
  :/home/workspace 将 /home/workspace 目录添加到 Python 的模块搜索路径中

CMD

这是 Dockerfile 中的 CMD 指令,用于指定容器启动时要执行的默认命令

run_loopy

# 使用支持GPU的基础镜像
FROM python:3.8
# ARG BASE_IMAGE=registry.cn-beijing.aliyuncs.com/modelscope-repo/modelscope:ubuntu22.04-cuda12.1.0-py310-torch2.1.2-tf2.14.0-1.12.0
# FROM $BASE_IMAGE# 设置工作目录
WORKDIR /home/workspace# 将当前目录下的所有文件复制到容器中的/home/workspace目录下
COPY . /home/workspace/# 配置pip使用多个镜像源
RUN pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/simple
COPY ./wheels /home/workspace/wheels
RUN pip install /home/workspace/wheels/tf_estimator_nightly-2.8.0.dev2021122109-py2.py3-none-any.whl
RUN pip install --upgrade pip
RUN pip install -r requirements1.txt# 设置Python路径
ENV PYTHONPATH="${PYTHONPATH}:/home/workspace"# 运行脚本
CMD ["python", "run_loop.py"]

使用说明：

1. 将此Dockerfile放在项目根目录下

2. 构建镜像：

docker build -t drl_tcv .

3. 运行容器：

docker run drl_tcv

build完之后，run运行跑起来了

觉得这种构建环境镜像的方式，一方面不会改动本地的环境，另一方面比sftp传输快好多，因为文件特别大，中途要是断了还得重下，下载的话可以用镜像源其实还是挺快的。
大文件的传输中断很浪费时间