创建派生容器

本页面介绍了如何根据可用的标准 Deep Learning Containers 映像之一创建派生容器。

如需完成本指南中的步骤,您可以使用 Cloud Shell 或安装了 Cloud SDK 的任何环境。

准备工作

在开始之前,请确保您已完成以下步骤。

  1. 完成本地 Deep Learning Containers 容器使用入门的“准备工作”部分中的设置步骤。

  2. 确保您的 Google Cloud 项目已启用结算功能。

    了解如何启用结算功能

  3. 启用 Container Registry API

    启用 API

流程

如需创建衍生容器,请使用与以下示例类似的流程:

  1. 创建初始 Dockerfile 并运行修改命令。

    首先,您使用某一可用映像类型创建 Deep Learning Containers 容器。然后,您可以使用 conda、pip 或 Jupyter 命令修改容器映像。

  2. 构建并推送容器映像。

    构建容器映像,然后将其推送到 Compute Engine 服务帐号可访问的位置。

创建初始 Dockerfile 并运行修改命令

使用以下命令选择 Deep Learning Containers 映像类型,并对容器映像进行细微修改。此示例展示了如何从最新的 TensorFlow 映像开始,并使用自定义 TensorFlow 轮对映像进行修改。以下示例假定 Dockerfile 所在的工作目录中有一个名为 tensorflow.whl 的文件。将以下命令写入 Dockerfile

FROM gcr.io/deeplearning-platform-release/tf-gpu:latest
COPY tensorflow.whl /tensorflow.whl # Copy from local file system to container
RUN pip uninstall -y tensorflow && \
    pip install -y /tensorflow.whl

构建和推送容器映像

使用以下命令构建容器映像并将其推送到 Container Registry,您的 Google Compute Engine 服务帐号可以访问该映像。

export PROJECT=$(gcloud config list project --format "value(core.project)")
docker build . -f Dockerfile.example -t "gcr.io/${PROJECT}/tf-custom:latest"
docker push "gcr.io/${PROJECT}/tf-custom:latest"