ium_478839/Dockerfile

# Obraz ubuntu latest 
FROM ubuntu:latest

# Instalacja niezbędnych bibliotek
RUN apt update
RUN apt-get update
RUN apt install -y figlet
RUN export PATH=”$PATH:/usr/local/bin/python”
RUN apt install python3-pip -y
RUN apt install unzip -y
RUN pip3 install kaggle
RUN pip3 install pandas
RUN pip3 install torch
RUN pip3 install torchvision
RUN pip3 install jovian
RUN pip3 install matplotlib
RUN pip3 install seaborn
RUN pip3 install sklearn
RUN pip3 install sacred
RUN pip3 install numpy
RUN pip3 install wheel --no-deps -U
RUN pip3 install GitPython
RUN pip3 install pymongo
RUN pip3 install mlflow


# Przygotowanie kaggle
RUN mkdir ~/.kaggle/
RUN echo '{"username":"sebastianwalesa","key":"c879e3806be4cd6ade7aa10ea81d4cfe"}' > ~/.kaggle/kaggle.json

# 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 ./
COPY ./init.py ./
COPY ./understat.csv ./
COPY ./ml_pytorch_mlflow.py ./


# Domyślne polecenie, które zostanie uruchomione w kontenerze po jego starcie
CMD ./skrypt.sh