### 创建 Docker 镜像和容器 为了在 Windows 上创建 Docker 容器和镜像，在安装好 Docker Desktop 后，可以通过编写 `Dockerfile` 来定义应用运行所需的环境设置[^3]。 #### 编写 Dockerfile 文件 首先需要准备一个名为 `Dockerfile` 的文件，此文件用于描述构建过程中的指令。对于 YOLO 系列模型来说，可能的一个简单例子如下： ```dockerfile FROM nvidia/cuda:10.1-cudnn7-devel-ubuntu18.04 RUN apt-get update && \ apt-get install -y --no-install-recommends python3-pip git && \ rm -rf /var/lib/apt/lists/* WORKDIR /app COPY . . RUN pip3 install --upgrade pip && \ pip3 install -r requirements.txt CMD ["python3", "main.py"] ``` 这段脚本指定了基于 NVIDIA CUDA 和 cuDNN 开发版的基础映像，并安装 Python 及其他依赖项，最后复制当前目录下的所有文件到工作空间内并执行必要的命令来启动应用程序。 #### 构建自定义镜像 有了上述的 `Dockerfile` 之后，可以利用下面这条命令来进行本地镜像的构建操作： ```bash docker build -t my-yolo-app . ``` 这里 `-t` 参数用来指定新生成镜像的名字；而后面的句号表示使用当前位置作为上下文路径读取 `Dockerfile` 进行处理。 #### 使用 Docker Compose (可选) 如果项目较为复杂，涉及多个服务之间的交互，则推荐采用 Docker Compose 工具简化多容器部署流程。只需编辑一份 YAML 格式的配置文档即可轻松实现集群化管理。 #### 查看已有的镜像列表 完成以上步骤后，可通过以下命令查看已经成功建立好的镜像集合: ```bash docker images ls ``` 这会列出所有的可用镜像及其标签信息。 #### 启动新的容器实例 当一切就绪时，就可以依据之前制作出来的模板快速拉起一个新的隔离沙箱了——即所谓的“容器”。例如要以前面提到的应用程序为例开启它的话，应该这样做： ```bash docker run -d --name=my-running-app -p 8080:80 my-yolo-app ``` 其中选项解释： - `-d`: 表明以后台守护进程的方式运作； - `--name`: 给定此次运行产生的实体赋予特定名称以便识别； - `-p`: 将主机端口映射至内部服务监听位置从而允许外部访问。 此时打开浏览器输入 http://localhost:8080 即可见证成果！ #### 在 Docker Desktop 中监控状态 一旦容器被激活起来，便可以在图形界面上直观地观察其动态变化情况。点击左侧边栏里的 **Containers** 菜单项就能看到正在运转着的各项任务概览图谱。同时支持进一步深入探究日志记录、资源消耗统计等方面的数据详情。