36 lines
1.2 KiB
Docker
36 lines
1.2 KiB
Docker
# 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
|
|
# 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
|
|
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
|