趋近智
Docker与容器化在机器学习项目中的应用
章节 1: Docker 机器学习核心知识
为何容器化机器学习项目？
Docker 镜像基本知识
容器生命周期管理
Dockerfile 简介
Docker 注册中心与仓库
实践操作：运行预构建的机器学习镜像
章节 2: 使用 Dockerfile 构建定制的机器学习环境
Dockerfile 的结构化方法
选择恰当的起始映像
管理 Python 依赖项 (pip)
管理 Python 依赖项 (Conda)
使用环境变量
复制代码和文件
设置工作目录和入口点
动手实践：构建 Scikit-learn 环境
章节 3: 在容器中管理数据和模型
理解容器存储
用于开发的绑定挂载
使用 Docker 卷实现数据持久化
比较绑定挂载和卷
从容器访问云存储
将模型打包到镜像中与卷的使用
动手实践：挂载数据集和保存模型
章节 4: 容器化机器学习训练流程
容器训练脚本的组织方式
传递配置和超参数
使用
docker run 运行训练任务管理训练日志
训练的GPU加速
Docker Compose在训练环境中的应用简介
动手实践：容器化并运行训练脚本
章节 5: 机器学习模型推理的容器化
设计推理服务
构建推理API (Flask/FastAPI)
优化镜像大小：多阶段构建
减少推理时的依赖项
对外开放端口用于API访问
推理容器的健康检查
实操：容器化简单推理API
章节 6: 使用 Docker Compose 简化工作流程
Docker Compose 简介
在
docker-compose.yml中定义服务容器间网络连接
在 Compose 中使用卷
Compose 中的环境变量
使用 Compose 构建镜像
常见机器学习栈示例 (例如，API + 数据库)
动手练习：使用 Compose 构建机器学习应用
为何容器化机器学习项目？
这部分内容有帮助吗？
- What is a container?, Docker Documentation, 2024 (Docker Inc.) - 解释容器的基本概念和优势，包括可移植性和隔离性。
- Building Machine Learning Powered Applications: Going from Idea to Product, J. Kalantri and Emmanuel Raj, 2021 (O'Reilly Media) - 讨论容器化如何在 MLOps 工作流中支持可重现性、依赖管理和一致性部署。
- MLOps principles: A survey of machine learning operations, practices, and tools, Rahul Singh, Praful Kumar, Pavan Kumar, Nivedita Kalra, Deepshikha Kalra, Satish Singh, Bhupesh Kumar, 2022 Journal of Advanced Computing and Communication Technologies, Vol. 3 (2) (Trade Science Inc.) DOI: 10.36548/jact.2022.2.001 - 调查 MLOps 实践，强调容器化是 ML 项目中环境管理和可重现性的解决方案。
- Docker for Data Scientists, Daniel J. Chen, 2020 (Packt Publishing) - 为数据科学家提供的实用指南，关于使用 Docker 管理环境，确保 ML 项目的可重现性和简化协作。