趋近智

所有课程

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

第 1 章测验

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

第 2 章测验

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

第 3 章测验

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

第 4 章测验

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

第 5 章测验

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

第 6 章测验

Quiz for 在容器中管理数据和模型 | ApX Machine Learning

测验

章节：在容器中管理数据和模型

测试您对本章概念的理解并进行练习

测验说明

此测验包含 12 道问题来帮助您练习。
您需要至少获得 70% 的分数才能通过。
尝试次数：无限制。
将保留您的最高分数。
请在没有帮助的情况下尝试此测验；但是，如果需要，您可以随时参考章节笔记或使用代码解释器。
完成所有章节测验即可获得课程完成证书。了解更多

问题格式

问题设计得引人入胜，侧重于理解、应用和解释，而不是死记硬背。期待基于场景的问题，测试您应用所学知识的能力。

尝试记录

最佳分数和测验尝试将显示在这里。

© 2025 趋近智