docker迁移+新建docker容器
首先输入命令：
docker ps -a
找到上一次运行的docker 的id(记下来，后面有用)，然后运行它，比如，我用的是nvidia-docker：
docker run --runtime=nvidia -it --rm tensorflow/tensorflow:1.14.0-gpu
进入到docker之后，输入：
docker export a8b133a854a7 > tensorflow_docker.tar
这句是用来导出docker的image的，这里的a8b133a854a7就是前文让记住的docker id，这样的话，稍等一会，命令结束后，退出docker就会发现，当前目录下面会出现tensorflow_docker.tar的文件。说明导出成功
然后这个镜像可以拷贝至其他机器，只要安装了docker，当你想再次部署额时候，首先输入：
cat tensorflow_docker.tar | docker import - tensorflow_training:20191115
这里的cat tensorflow_docker.tar是解压的意思，｜是pipeline，tensorflow_training:20191115中的tensorflow_training是镜像的名字，可以随便取，20191115是tag，你可以用它来标示版本号。
之后，输入：
docker run -it -v /data/username/tensorflow_training:/tensorflow_training -p 56999:56999 --name tensorflow_training tensorflow_training:20191115 /bin/bash
这样可以运行docker，这里的-it表示交互式/终端，-v表示要将宿主机的目录映射到docker，其中宿主机的目录是/data/username/tensorflow_training，docker的目录是tensorflow_training，-p 56999:56999表示将宿主机的56999端口映射到docker的56999端口，--name tensorflow_training tensorflow_training:20191115表示运行的docker名字及tag。
但是这样的话，你每次退出docker，docker就自动终止了。这里我们输入：
docker start dockerid
开启了docker之后，
找个地方新建个脚本，叫docker_run.sh，内容输入：
docker exec -ti dockerid /bin/bash
然后保存退出，终端输入：
chmod 777 docker_run.sh
给脚本添加执行权限，下次进入docker，只需在当前目录终端输入：
./docker_run.sh或者bash docker_run.sh
即可
