ium_426206/Dockerfile

# Nasz obraz będzie dzidziczył z obrazu Ubuntu w wersji latest
FROM ubuntu:focal

# Instalujemy niezbędne zależności. Zwróć uwagę na flagę "-y" (assume yes)
RUN apt update
RUN apt install -y python3 python3-pip dos2unix git
RUN pip3 install kaggle
RUN apt install -y unzip
RUN mkdir /.kaggle
RUN chmod -R 777 /.kaggle
#RUN export KAGGLE_CONFIG_DIR=~/.kaggle
COPY ./requirments.txt ./
RUN pip3 install -r requirments.txt
RUN pip3 install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
RUN pip3 install sacred
RUN pip3 install pymongo
RUN pip3 install mlflow
RUN pip3 install tensorflow==2.5.0rc1
RUN pip3 install dvc
RUN pip3 install dvc[ssh]
# Stwórzmy w kontenerze (jeśli nie istnieje) katalog /app i przejdźmy do niego (wszystkie kolejne polecenia RUN, CMD, ENTRYPOINT, COPY i ADD będą w nim wykonywane)
WORKDIR /app

# Skopiujmy nasz skrypt do katalogu /app w kontenerze
# COPY ./skrypt.sh ./
# RUN chmod +x skrypt.sh
# RUN dos2unix skrypt.sh

COPY ./start_dlgssdpytorch.sh ./
RUN chmod +x start_dlgssdpytorch.sh
COPY ./dlgssdpytorch.py ./
RUN chmod +x dlgssdpytorch.py
COPY ./create_dataset.py ./
RUN chmod +x create_dataset.py
COPY ./evaluation.py ./
RUN chmod +x evaluation.py
COPY ./plot.py ./
RUN chmod +x plot.py
COPY ./train_mlflow.py ./
RUN chmod +x train_mlflow.py
COPY ./generate_MLmodel.py ./
RUN chmod +x generate_MLmodel.py
COPY ./mlflow_predict.py ./
RUN chmod +x mlflow_predict.py