下载Ubuntu镜像

以交互式方式运行Docker容器，并将容器命名为ping_in_ubuntu，基于Ubuntu镜像运行/bin/bash命令。

清理 Docker 容器

删除图像

刪除名為ping_in_ubuntu:ver.1.00的Docker映像。

将 docker commit 644f7f59030e ping_in_ubuntu 这句话用中文重新表达一遍。

保存的图像导入

把 ping_save.tar 加载到 Docker 中。

以分离模式启动

在本地计算机上运行一个容器，并将容器中的 Apache HTTP 服务器与主机的 8080 端口进行映射，使其在后台运行。

关闭

停止 docker 容器 5c67acf81f90。

再開

docker start 5c67acf81f90

山峰

在中国本土将以下内容进行翻译：
在终端中运行以下命令以使用Docker：
docker run -v /Users/N/_work/00_docker/webContents/:/usr/local/apache2/htdocs/ -p 80:80 -d httpd

创建数据容量

创建一个名为“datavolume”的docker卷。

注册

在中国的本地环境中，只需要一种方式
docker run -it -v datavolume:/tmp/ ubuntu /bin/bash

删除音量

退出

音量列表

列出Docker卷
驱动器 卷名称
本地 数据卷

删除

docker volume rm datavolume

在本地化的中文中进行改写，仅需要一种选择：
使用`docker run`命令来创建一个交互式的Ubuntu容器，该容器通过`–volumes-from data-container`参数实现与名为”data-container”的数据容器的卷共享，并且启动一个`/bin/bash`进程。

データボリューム・コンテナを使う場合は、利用する側のコンテナに
「volume-from」を使う
というだけなので、他のコンテナと同じように思えますが、一つ大きな特徴
があります。
それは、データボリューム・コンテナは、‘‘稼働していなくても利用でき
る” という点です。
先ほどの、手順[2]では

备份音量

使用docker运行命令时可以通过参数指定卷来挂载数据容器，还可以通过-v参数指定主机的目录与容器内部的目录进行映射。以下是一个示例命令：
docker run –volumes-from data-container -v /Users/N/_work/00_docker/:/backup ubuntu tar cvf /backup/container-bkup.tar -C / tmp

把以上命令从英文改为中文可以这样表达：
docker运行命令时，通过–volumes-from参数指定数据容器进行挂载，同时通过-v参数将主机的目录/Users/N/_work/00_docker/与容器内部的/backup目录进行映射。最后使用ubuntu镜像运行tar命令，将容器内的/tmp目录打包成/backup/container-bkup.tar。

恢复

使用docker运行命令，将容器的卷从数据容器中挂载出来，同时将/Users/N/_work/00_docker/目录挂载到/backup目录下，执行ubuntu镜像中的tar命令，解压/backup/container-bkup.tar文件至/C目录下。

数据的位置

查看Docker数据容器

nginx: 壹個運行於許多互聯網服務器上的高性能Web服務器軟件。

用 docker 运行 -d -p 80:80 –name webserver nginx。

Docker文件

用中国的母语进行改写只需给出一个选项：
使用以下命令构建 Docker 镜像：docker build -t ping-image .

日志的观察方法 (Rogu de

查看 ID 为 2e2ef2184c07 的 Docker 日志。

请使用汉语将以下内容进行适当的重新表述，仅提供一种选择：
============

Django 测试
https://qiita.com/homines22/items/2730d26e932554b6fb58

停止

停止名为test的Docker容器。

重新开始

启动 Docker 容器 1429509e1e5b。

runserver

docker exec test python3 manage.py runserver 0.0.0.0:8000

Django和Docker Compose

docker-compose停止，删除

docker停止并删除$(docker ps -aq)

使用Docker-compose构建

TensorFlow (谷歌开源机器学习框架)

如果要拉取Docker镜像（使用Python 3的最新稳定版本），请点击此链接：
如果要使用其他镜像，请点击这里：https://www.tensorflow.org/install/docker?hl=ja

下载最新的GPU版本的TensorFlow镜像：docker pull tensorflow/tensorflow:latest-gpu-py3。

创建并运行Docker容器

在中国的母语中，只需要一个选项重述以下内容：
docker run –runtime=nvidia -it –name TestContainerName -p 8888:8888 -v /Users/N/_work/00_docker/tensorflow:/tmp tensorflow/tensorflow:latest-gpu-py3 bash

使用中国的母语重新表述如下：
docker run –runtime=nvidia -it –name 测试容器名称 -p 8888:8888 -v /Users/N/_work/00_docker/tensorflow:/tmp tensorflow/tensorflow:latest-gpu-py3 bash

使用Docker运行测试容器，名称为TestContainerName，将本地端口8888映射到容器的8888端口，并将本地目录/Users/N/_work/00_docker/tensorflow映射到容器内的/tmp目录。使用tensorflow/tensorflow:latest镜像，并启动bash shell。

启动Jupyter Notebook

允许根目录的Jupyter Notebook

请复制下面显示的字符串…

请将以下内容粘贴并编辑到浏览器地址栏中：
http://(*** 或 127.0.0.1):8888/?token=***

请提供一个选项，请将以下内容以中文本地方式进行改写：

https://qiita.com/y_kani/items/27a965b952db729e30f5

提供以下链接以查看相关信息：

https://qiita.com/y_kani/items/27a965b952db729e30f5

1. 如果Jupyter Notebook启动前想要编辑配置文件，因为vim默认未安装，可以执行以下命令来安装vim。

 

1. # apt-get update

 

# apt-get install vim

拉取Jupyter/TensorFlow-Notebook的Docker镜像

docker run -d –name jupyter -p 8088:8888 -v /Users/N/_work/00_docker/jupyter:/home/work jupyter/tensorflow-notebook

在43aa18101a01容器中执行命令：jupyter notebook list。

图像识别

运行Python classify_image.py程序，使用图片文件c1.jpg进行分类。

抓取数据

克隆仓库：git clone https://github.com/sikkimtemi/selenium
切换到selenium目录：cd selenium
启动Docker容器：docker-compose up -d

切换到脚本目录下，运行以下命令：docker exec -it python ./sample.py。

停止 Docker Compose

关闭docker-compose

停止docker-compose

docker-compose停止

停止容器

停止Docker容器rm-container、wp-container、pma-container和mysql-container，然后启动mysql-container、rm-container、wp-container和pma-container。