我对Docker来说是全新的。我用它来训练神经网络。
我有一个正在运行的容器，执行一个训练NN的脚本，并将其权重保存在容器的可写层中。最近我意识到这个设置不正确（我没有正确的RTFM），并且在训练结束后NN权重将会丢失。
我已阅读有关卷和持久数据存储的答案和食谱。所有这些都表达了一个想法：您必须提前准备数据存储。
我的容器已在运行。我明白不正确的设置是我的错。无论如何，我不想失去在执行过程中获得的结果（现在正在进行中）。可能吗？
我想到的一个解决方案是再打开一个终端并运行watch -n 1000 docker commit <image id> tag:label
即，每1000秒提交一次快照。但是，在上一个时期获得的权重仍处于危险之中，因为时期持续时间不同而且不是1000的倍数。
还有更优雅的解决方案吗？
其他信息
此容器的图像是使用以下Dockerfile创建的：
FROM tensorflow-py3-gpu-keras
WORKDIR /root
COPY model4.py /root
COPY data_generator.py /root
COPY hyper_parameters.py /root
CMD python model4.py
我从DockerHub中提取的最新张量流图像中手动创建了图像tensorflow-py3-gpu-keras：
docker run tensorflow
在容器内：
pip3 install keras
另一个终端docker commit。
答案 0 :(得分：4)
您是否尝试过使用docker cp？这允许您将文件从Docker文件系统移动到主机，即使容器已停止（只要它没有被删除）。语法如下所示：
docker cp <container id>:/path/to/file/in/container /path/to/file/in/host