用码头从源头建造丹索尔--为码头服务的gpu？

Question

我遵循了从源头建造码头的步骤，

git clone https://github.com/tensorflow/serving
cd serving

docker build --pull -t $USER/tensorflow-serving-devel-gpu \
  -f tensorflow_serving/tools/docker/Dockerfile.devel-gpu .

docker build -t $USER/tensorflow-serving-gpu \
  --build-arg TF_SERVING_BUILD_IMAGE=$USER/tensorflow-serving-devel-gpu \
  -f tensorflow_serving/tools/docker/Dockerfile.gpu .

这些都花了相当长的时间来编译，并成功地完成了，

现在如果我检查docker images，我看到下面的响应，

REPOSITORY                          TAG                             IMAGE ID       CREATED             SIZE
root/tensorflow-serving-gpu         latest                          42e221bb6bc9   About an hour ago   8.49GB
root/tensorflow-serving-devel-gpu   latest                          7fd974e5e0c5   2 hours ago         21.8GB
nvidia/cuda                         11.0-cudnn8-devel-ubuntu18.04   7c49b261611b   3 months ago        7.41GB

我对此有两个疑问，

1. Building从源头上花费了大量的时间，现在我想备份/save这些映像或容器并保存它们，以便以后可以在不同的机器上用相同的弓重用它们。如果你知道怎么做，请帮我处理这些命令。

1. ，因为我成功地完成了构建，我需要通过删除用于构建tensorflow服务-gpu的不必要的码头开发映像来释放一些空间？我这里有三张与tensorflow服务相关的图片，我不知道该删除哪一张？

Answer 1

如果您想保存图像：

docker save root/tensorflow-serving-gpu:latest  -o  tfs.tar

如果你想装载它：

docker load -i tfs.tar

root/tensorflow-serving-gpu和root/tensorflow-serving-devel-gpu是两种不同的图像。您可以通过查看Dockerfile.devel-gpu和Dockerfile.gpu的详细信息来了解两者之间的差异。