提要：
这里完成一个完整的docker项目，并且将其推送到Docker-hub中。
docker知识5：在WSL2的ubuntu20.04环境安装使用docker
第一步 登录hub并建立仓库
如果docker-hub的注册名称为china，建立仓库名称为china/tianjin，那么hub上将会有一个空的image，名称为china/tianjin.
在客户端准备：将一个container转化成一个image，中心代码：
docker commit name-container china/tianjin
注意：这里image名称必须与hub上一样，才能推送到hub上去。
推送上面的image/tianjin到hub上去。
docker push china/tianjin
登录hub查看，将出现一个镜像。
第二步 准备一个完整项目在win10系统运行
在win10下面，有开发好的基于Mnist的KNN分类项目。该项目存放在e盘（win10的）。
进入wsl2的ubuntu，键入 cd /mnt/e && ls
huatec@LAPTOP-J5TGQHQH:~$ cd /mnt/e && ls
'$RECYCLE.BIN' 'System Volume Information' machine_learn
huatec@LAPTOP-J5TGQHQH:/mnt/e$
可以看到 machine_learn，将其导入ubuntu：
sudo cp /mnt/e/machine_learn -r /home/usr
查看倒入的效果：
cd /home/usr && tree machine_learn
结果是：
machine_learn
└── knn
├── KNN.py
└── MNIST_data
├── t10k-images-idx3-ubyte.gz
├── t10k-labels-idx1-ubyte.gz
├── train-images-idx3-ubyte.gz
└── train-labels-idx1-ubyte.gz
此时，此项目已经导入ubuntu宿主机内。
第三步 将项目从宿主机导入容器
启动docker，从ubuntu宿主机执行：
sudo service docker start
sudo docker pull tensorflow/tensorflow 【这里tensorflow/tensorflow是个官方镜像名称】
启动一个容器：
sudo docker run -it -p 8000：8000 --name mytensor tensorflow/tensorflow
sudo docker ps 得到containerID 62e188e9e750
将宿主机项目导进此容器
sudo docker cp /home/huaw/machine_learn 62e188e9e750:/home
进入容器，查看导入项目
sudo docker exec -it container-ID /bin/bash [ container-ID由sudo docker ps指令得到62e188e9e750]
第四步 如何从宿主机运行container中的内容
在container的路径/home/mycont 下有：
KNN.py python程序
MNIST_data 数据目录
在宿主机执行，或写成sh脚本：
#!/bin/bash
DOCKER_ID=62f3f40ab240
sudo docker exec -it 62e188e9e750 /bin/bash -c 'cd /home && python KNN.py'
可以实现从宿主机启动container内部的训练。
sudo docker run tensorflow/tensorflow:0.12.1-gpu python train.py
直接进行训练。
第五步 如何将容器生成image
这里用到前面注册的china/tianjin账号。
sudo docker commit 62e188e9e750 china/tianjin
sudo docker images
可以看到本地多了一个镜像china/tianjin
第六步 将镜像上传到HUB上
sudo docker push china/tianjin
再次进入docker-hub网页，发现Repositories中多出一个镜像。至此大功告成！