Lección 6 del curso Docker.
En las lecciones anteriores hemos visto los primeros pasos requeridos en el flujo de trabajo de un proyecto Docker: la preparación del código fuente para un proyecto Docker y la creación del archivo Dockerfile.
Así que en este punto ya tenemos todos los insumos necesarios para construir nuestro contenedor (o imagen) Docker, que es un procedimiento muy sencillo el cual veremos precisamente en esta lección:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien! Acabamos de ver que es muy pero muy sencillo construir una imagen Docker usando el comando «docker build».
Desde luego el proceso se facilita siempre y cuando hayamos estructurado adecuadamente nuestro código fuente y hayamos creado correctamente los archivos de requerimientos (“requirements.txt”) y el archivo Dockerfile.
En este punto nuestra aplicación de Machine Learning ya se encuentra en un contenedor (o imagen) de Docker así que ya podíamos desplegarla por ejemplo en un servidor en la nube.
Sin embargo, usualmente un paso previo consiste en verificar que este contenedor funciona correctamente, es decir que al ejecutar nuestra aplicación desde el contenedor y de manera local esta genera las predicciones que estamos esperando.
Así que en la próxima lección nos enfocaremos en este último paso en el flujo de un proyecto Docker. Entonces veremos cómo ejecutar la imagen Docker localmente.
Todas las lecciones del curso Docker