Docker 入门：如何使用 Docker 容器化 AI 项目（一）

引言

在人工智能（AI）项目的开发和部署过程中，环境配置和依赖管理往往是开发者遇到的挑战之一。开发者通常需要在不同的机器上运行同样的代码，确保每个人使用的环境一致，才能避免 “在我的机器上可以运行”的尴尬问题。而 Docker 作为一种轻量级的虚拟化技术，提供了一种理想的解决方案：通过容器化技术，可以确保 AI 项目在各种环境中一致性地运行，从而大大简化部署流程。

本篇文章将详细介绍如何使用 Docker 容器化 AI 项目，帮助你掌握 Docker 在 AI 开发中的应用，提升项目的可移植性和可扩展性。文章将从基础概念入手，逐步讲解 Docker 容器的创建、管理、部署等关键技能，并通过实际的示例代码来帮助你理解 Docker 容器在 AI 项目中的实际应用。

一、什么是 Docker？

Docker 是一个开源平台，用于开发、传输和运行应用程序。Docker 使得开发者能够将应用程序及其依赖打包成一个标准化的容器，并且容器能够在任何支持 Docker 的环境中运行。这种容器化的方式能够避免环境差异带来的问题，是开发、测试和生产环境的一种理想解决方案。

与传统的虚拟化技术不同，Docker 不需要为每个应用程序创建一个完整的虚拟机，而是通过共享操作系统内核，轻量化地创建多个相互隔离的容器。每个容器中包含运行应用所需的所有依赖，保证了应用在不同环境中的一致性。

Docker 的优势：

• 轻量级: Docker 容器共享主机操作系统内核，无需像虚拟机那样模拟整个操作系统，因此更加轻量，占用资源更少。
• 快速启动: 容器可以在几秒钟内启动，而虚拟机通常需要几分钟。
• 资源利用率高: 由于轻量级和快速启动的特性，Docker 可以在同一台主机上运行更多应用，提高资源利用率。
• 可移植性: Docker 容器可以在任何支持 Docker 的平台上运行，无需修改，实现了“一次构建，到处运行”的目标。
• 版本控制: Docker 镜像支持版本控制，可以轻松回滚到之前的版本。
• 生态系统: Docker 拥有庞大的生态系统，Docker Hub 上有大量的官方和社区维护的镜像，可以方便地获取和使用。

Docker 架构简介：

• Docker 引擎 (Docker Engine): Docker 的核心组件，负责构建和运行 Docker 容器。
• Docker 客户端 (Docker Client): 用户与 Docker 引擎交互的命令行工具。
• Docker 镜像 (Docker Image): 只读模板，用于创建 Docker 容器。包含应用程序及其依赖。
• Docker 容器 (Docker Container): Docker 镜像的运行实例。
• Docker 仓库 (Docker Registry): 存储和分发 Docker 镜像的地方，例如 Docker Hub。
• Docker Compose: 用于定义和运行多容器 Docker 应用的工具。

Docker vs 虚拟机：

二、Docker 的安装与基本操作

2.1 安装 Docker

在开始使用 Docker 之前，首先需要在本地安装 Docker。不同操作系统的安装方式有所不同，以下是针对常见操作系统的安装步骤：

2.1.1 Windows 安装

• 访问 Docker 官网 下载适用于 Windows 的 Docker Desktop。
• 双击安装文件并按照安装向导完成安装。
• 重要： Docker Desktop for Windows 可以选择使用 WSL 2 (Windows Subsystem for Linux 2) 或 Hyper-V 作为后端。WSL 2 性能更好，建议选择使用 WSL 2。安装过程中可能需要启用 WSL 2 和 Hyper-V 功能。
• 安装完成后，启动 Docker Desktop，并进行初始设置。
• 验证 Docker 是否安装成功，在终端中运行以下命令：

docker --version

如果返回版本信息，则说明安装成功。

2.1.2 macOS 安装

• 访问 Docker 官网 下载适用于 macOS 的 Docker Desktop。
• 双击下载的 .dmg 文件并将 Docker 拖入应用程序文件夹。
• 启动 Docker，按照提示完成设置。
• 在终端中运行以下命令，验证安装是否成功：

docker --version

2.1.3 Linux 安装

在 Linux 上，Docker 安装通常需要使用命令行工具。

以下是在 Ubuntu的安装步骤：

设置Docker的apt存储库。

添加Docker的官方GPG密钥：

sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

将存储库添加到Apt源：

echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

安装最新特定版本Docker包。

$ sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

通过运行hello-world映像来验证安装是否成功：

$ sudo docker run hello-world

该命令下载一个测试映像并在容器中运行它。当容器运行时，它打印一条确认消息并退出。

centos版本的linux参照

2.2 Docker 常用命令

以下是一些常见的 Docker 命令，它们帮助我们在使用 Docker 时进行容器的管理：

• 查看 Docker 版本

sudo docker --version

• 拉取镜像

sudo docker pull <image_name>:<tag>

例如： docker pull tensorflow/tensorflow:2.6.0-py3

• 查看本地镜像

sudo docker images

• 启动容器

sudo docker run -it <image_name>:<tag> bash

• 列出所有容器

sudo docker ps -a

• 停止容器

sudo docker stop <container_id>

• 删除容器

sudo docker rm <container_id>

• 删除镜像

sudo docker rmi <image_name>:<tag>

三、理解 Dockerfile：构建 AI 项目的基础镜像

为了将 AI 项目容器化，我们需要构建一个 Docker 镜像。Docker 镜像是一个包含应用程序及其所有依赖的只读模板，容器则是镜像的一个运行实例。构建 Docker 镜像的核心是 Dockerfile，它是一种包含一系列指令的文本文件，用于自动化镜像的创建过程。

3.1 创建 Dockerfile

一个简单的 Dockerfile 用于构建一个包含 Python 和 AI 项目依赖的镜像，示例如下：

# 使用官方 Python 镜像作为基础镜像
FROM python:3.8-slim

# 设置工作目录
WORKDIR /app

# 复制项目文件到容器中
COPY . /app

# 安装项目依赖
RUN pip install --no-cache-dir -r requirements.txt

# 设置容器启动命令
CMD ["python", "main.py"]

3.1.1 说明

• FROM：指定基础镜像，本例中使用的是 Python 3.8 版本的官方镜像。选择 slim 版本可以减小镜像体积。
• WORKDIR：设置工作目录，所有后续的命令都会在这个目录中执行。
• COPY：将当前目录的所有文件复制到容器中的 /app 目录。
• RUN：在容器中执行命令，这里用于安装项目的 Python 依赖。--no-cache-dir 选项可以减小镜像大小。
• CMD：指定容器启动时执行的命令。

3.2 构建镜像

创建好 Dockerfile 后，可以通过以下命令构建镜像：

docker build -t my-ai-project .

这会根据 Dockerfile 中的指令构建一个名为 my-ai-project 的镜像。-t 选项用于指定镜像的名称和标签（默认为 latest）。. 表示 Dockerfile 所在的当前目录。构建过程可能需要一些时间，取决于项目的大小和依赖的安装情况。

3.3 运行容器

构建完成后，可以通过以下命令运行容器：

docker run -it my-ai-project

这将启动一个基于 my-ai-project 镜像的容器，并进入交互模式。你可以在容器内运行 AI 项目的代码，或者启动相关服务。

想要系统学习AI 项目实战？那么”AI 项目实战：从原理到落地”这个专栏将带你具体的深入研究AI 项目。每个项目包含： 问题定义与数据集介绍、 数据预处理与特征工程、 模型选择与设计 、模型训练与调优、 模型评估与结果分析、 模型部署与上线 (Web API, 移动端部署等)！

点击进入：AI 项目实战：从原理到落地
点击进入：Docker 入门：如何使用 Docker 容器化 AI 项目（二）

本文为原创内容，未经许可不得转载。