ium_426206/Dockerfile

38 lines
1.2 KiB
Docker
Raw Normal View History

2021-05-07 20:16:31 +02:00
# 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
2021-05-16 13:28:57 +02:00
RUN pip3 install sacred
RUN pip3 install pymongo
2021-05-16 18:53:33 +02:00
RUN pip3 install mlflow
2021-05-07 20:16:31 +02:00
# 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 ./dlgssdpytorch.py ./
RUN chmod +x dlgssdpytorch.py
COPY ./create_dataset.py ./
RUN chmod +x create_dataset.py
2021-05-13 00:15:26 +02:00
COPY ./evaluation.py ./
RUN chmod +x evaluation.py
COPY ./plot.py ./
RUN chmod +x plot.py
2021-05-16 18:53:33 +02:00
COPY ./train_mlflow.py ./
RUN chmod +x train_mlflow.py
COPY ./generate_MLmodel.py ./
RUN chmod +x generate_MLmodel.py