这篇文章将为大家详细讲解有关Docker容器如何搭建运行python的深度学习环境，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
任务管理器中查看虚拟化，已启用
若禁用，重启电脑，到Bios中开启
安装Docker Desktop及开启WSL功能。
打开 powershell
创建镜像
docker run --rm -it quay.io/azavea/raster-vision:pytorch-latest /bin/bash docker images
依据镜像id创建容器
docker create -it --name [name] [镜像id] docker start [name]
进入容器
docker exec -it [容器id] /bin/bash
docker容器和本地机器互传文件
docker cp [本地路径] 容器id:[容器内路径] docker cp D:\docker\raster-vision\myPY\test.py 7837a6060f9d:/opt/src/code/test.py docker cp 容器id:[容器内路径] [本地路径]
查看所有镜像 docker images 查看所有容器 docker ps -a
Expected more than 1 value per channel when training, got input size torch.Size([1, 256, 1, 1])
batch_size=1导致。
改为偶数或在torch.utils.data.DataLoader类中或自己创建的继承于DataLoader的类中设置参数drop_last=True，把不够一个batch_size的数据丢弃。
urllib.error.URLError: <urlopen error [Errno 111] Connection refused>
网络问题。
下载本地后再上传或者搭梯子。
关于“Docker容器如何搭建运行python的深度学习环境”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
