设置工作目录和入口点

在为机器学习项目创建 Docker 镜像时，在完成基础镜像的建立、依赖的安装以及使用 COPY 或 ADD 等指令将项目文件复制到镜像中等任务之后，有必要定义容器启动时的行为方式。具体来说，您需要告知 Docker 命令应在容器内部何处执行，以及默认应运行哪个命令。这通过 Dockerfile 中的 WORKDIR、ENTRYPOINT 和 CMD 指令来实现。它们对于让您的容器化机器学习应用可运行且易于使用非常重要。

使用 WORKDIR 设置执行环境

WORKDIR 指令为 Dockerfile 中所有后续的 RUN、CMD、ENTRYPOINT、COPY 和 ADD 指令设置工作目录。可以将其理解为在构建和运行镜像的过程中更改当前目录 (cd)。

如果未指定 WORKDIR，Docker 会在根目录 (/) 中执行后续命令。明确设置 WORKDIR 可以使您的 Dockerfile 指令更清晰，并减少对绝对路径的依赖。

优点：

1. 可读性： 避免在 Dockerfile 中分散使用绝对路径。
2. 可移植性： 便于以后在镜像中重组项目结构。
3. 一致性： 确保运行 Python 脚本等命令相对于已知项目目录执行。

示例：

假设您的宿主机上有一个机器学习项目，其结构如下：

my_ml_project/
├── Dockerfile
├── requirements.txt
├── src/
│   ├── train.py
│   └── predict.py
└── data/
    └── dataset.csv

与编写 COPY src /app/src 然后 RUN python /app/src/train.py 相比，您可以使用 WORKDIR：

# Dockerfile 片段
# ... (FROM，安装依赖)

# 设置工作目录
WORKDIR /app

# 相对于 WORKDIR 复制应用程序代码
COPY src/ ./src/
COPY requirements.txt .

# 安装依赖 (pip install -r requirements.txt)

# 复制数据（可能通过卷处理更好，参阅第 3 章）
COPY data/ ./data/

# 后续命令如 CMD 或 ENTRYPOINT 将从 /app 运行
CMD ["python", "src/train.py"]

在此示例中，WORKDIR /app 会创建 /app 目录（如果不存在），并将其设置为当前目录。COPY 指令现在使用相对目标路径（./src/、.、./data/），将文件复制到 /app 中。最终的 CMD 在 /app 作为当前目录的假定下执行 python src/train.py。

使用 ENTRYPOINT 定义容器的可执行程序

ENTRYPOINT 指令将容器配置为可执行程序运行。它指定了容器启动时始终会执行的命令。提供给 docker run <image> [arguments] 的任何命令行参数都会附加到 ENTRYPOINT 命令之后。

ENTRYPOINT 常用于您希望容器的主要目的是运行特定应用程序或脚本的场景。

有两种形式：

1. Exec 形式（推荐）： ENTRYPOINT ["executable", "param1", "param2"]
   • 这是推荐的形式。它直接执行命令，不调用命令 shell。通过 docker run 传递的参数会直接附加在指定参数之后。
2. Shell 形式： ENTRYPOINT command param1 param2
   • 此形式在 shell (/bin/sh -c) 中运行命令。它对于环境变量替换很有用，但在信号处理或命令包含 shell 元字符时，可能会出现意外行为。

示例 (Exec 形式)：

假设您希望容器始终执行 Python 脚本。

# Dockerfile 片段
# ... (FROM、WORKDIR、COPY 等)

ENTRYPOINT ["python"]

# 如果未向 docker run 提供参数，则运行此默认脚本
CMD ["src/train.py"]

当您运行此容器时：

• docker run my-ml-image：执行 python src/train.py（CMD 为 ENTRYPOINT 提供默认参数）。
• docker run my-ml-image src/predict.py --model /app/models/model.pkl：执行 python src/predict.py --model /app/models/model.pkl（提供的参数会覆盖 CMD 并附加到 ENTRYPOINT 之后）。

ENTRYPOINT 确保 python 始终是主命令，使容器表现得像一个专用的 Python 脚本运行器。

使用 CMD 提供默认命令或参数

CMD 指令为运行中的容器提供默认值。这些默认值可以包含可执行程序，但它们通常用于为 ENTRYPOINT 指定默认参数。如果单独使用，CMD 则指定要运行的默认命令。

值得注意的是，如果用户向 docker run <image> [arguments] 提供了参数，则整个 CMD 指令都会被覆盖。

CMD 也有三种形式：

1. Exec 形式（ENTRYPOINT 推荐）： CMD ["param1","param2"]（用作 ENTRYPOINT 的默认参数）
2. Exec 形式（独立使用）： CMD ["executable","param1","param2"]（如果没有 ENTRYPOINT，则作为默认命令）
3. Shell 形式： CMD command param1 param2（通过 /bin/sh -c 运行的默认命令）

用例：

1. ENTRYPOINT 的默认参数（最常见的组合使用方式）：

   WORKDIR /app
   COPY src/ ./src/
   ENTRYPOINT ["python", "src/run_experiment.py"]
   # 如果未通过 'docker run' 提供参数，则使用默认参数
   CMD ["--data", "data/dataset.csv", "--epochs", "10"]
   

   • 运行 docker run my-ml-image 会执行：python src/run_experiment.py --data data/dataset.csv --epochs 10
   • 运行 docker run my-ml-image --data data/other.csv --epochs 20 会执行：python src/run_experiment.py --data data/other.csv --epochs 20（CMD 被完全替换）。

2. 默认命令（无 ENTRYPOINT）：

   WORKDIR /app
   COPY src/ ./src/
   # 未定义 ENTRYPOINT
   CMD ["python", "src/train.py"]
   

   • 运行 docker run my-ml-image 会执行：python src/train.py
   • 运行 docker run my-ml-image python src/predict.py 会执行：python src/predict.py（整个默认 CMD 被提供的命令替换）。

有效地结合使用 ENTRYPOINT 和 CMD

最常用且功能强大的模式是使用 ENTRYPOINT 指定固定的可执行程序（如 python 或包装脚本），并使用 CMD 指定默认的、可覆盖的参数（如脚本名称或默认超参数）。

最佳实践：

• 使用 WORKDIR： 始终设置 WORKDIR 以在容器内建立明确的执行环境。/app 是一个常见的约定。
• 偏好 Exec 形式： 对 ENTRYPOINT 和 CMD 都使用 JSON 数组语法（["executable", "param1"]），以避免 shell 处理的怪异行为，并使参数处理更明确。
• ENTRYPOINT 用于可执行程序： 如果您的容器旨在运行特定命令或表现得像一个可执行程序，请使用 ENTRYPOINT。示例：ENTRYPOINT ["python"]，ENTRYPOINT ["./my_inference_server"]。
• CMD 用于默认值： 使用 CMD 为 ENTRYPOINT 提供默认参数，或指定一个易于覆盖的默认命令。示例：CMD ["my_script.py", "--default-flag"]。

通过仔细定义 WORKDIR、ENTRYPOINT 和 CMD，您可以创建不仅可重现而且行为可预测、用户友好的 Docker 镜像，无论是运行训练任务还是部署模型。它们定义了与容器化机器学习应用程序交互的界面。