我运行以下命令:
docker run --name=nexus2 -p 8082:8081 --volumes-from nexus sonatype/nexus3
现在可以说我将工件上传到Nexus,并停止了联系容器。
如果我想在端口8082上打开另一个Nexus容器,我应该运行什么Docker命令,以使它使用与端口8081上相同的卷(因此,当我运行此容器时,它已经包含了我之前上传的工件)
基本上,我希望两个Nexus容器都使用相同的存储空间,这样,如果我将工件上传到一个端口,另一个端口也将拥有它。
我运行了此命令,但它似乎不起作用:
def generate(dir, shuffle, batch_size):
def parse(serialized):
features = {
'mean_rgb': tf.FixedLenFeature([1024], tf.float32),
'category': tf.FixedLenFeature([], tf.int64)
}
parsed_example = tf.parse_single_example(serialized=serialized, features=features)
vrv = parsed_example['mean_rgb']
label = parsed_example['category']
d = dict(zip(['mean_rgb'], [vrv])), label
return d
dataset = tf.data.TFRecordDataset(dir).repeat(1)
dataset = dataset.map(parse)
if shuffle:
dataset = dataset.shuffle(8000)
dataset = dataset.batch(batch_size)
iterator = dataset.make_one_shot_iterator()
next = iterator.get_next()
print(next)
return next
def batch_generator(dir, shuffle=False, batch_size=64):
sess = K.get_session()
while True:
yield sess.run(generate(dir, shuffle, batch_size))
num_classes = 29
batch_size = 64
yt8m_train = [os.path.join(yt8m_dir_train, x) for x in read_all_file_names(yt8m_dir_train) if '.tfrecord' in x]
yt8m_test = [os.path.join(yt8m_dir_test, x) for x in read_all_file_names(yt8m_dir_test) if '.tfrecord' in x]
feature_columns = [tf.feature_column.numeric_column(k) for k in ['mean_rgb']]
#batch_generator(yt8m_test).__next__()
classifier = tf.estimator.DNNClassifier(
feature_columns=feature_columns,
hidden_units=[1024, 1024],
n_classes=num_classes,
model_dir=model_dir)
classifier.train(
input_fn=lambda: generate(yt8m_train, True, batch_size))
答案 0 :(得分:0)
Bind mounts(作为您的“卷”使用)的功能有限。
我相信model.clear({silent: true}).set(model.defaults);
标志仅适用于Docker管理的卷。
为了使用此标志在容器之间共享卷,您可以让docker使用run命令为您创建一个卷。
示例:
--volumes-from
以上命令将为您创建一个名为$ docker run -d -p 8081:8081 --name nexus -v nexus-volume:/nexus-data sonatype/nexus3
的Docker管理卷。您可以使用命令nexus-volume
查看创建的卷的详细信息。
现在,当您要运行另一个具有相同体积的容器时,可以根据需要使用$ docker volume inspect nexus-volume
命令。
这样做:
--volumes-from
应该给您想要的行为。