我目前正在使用一台远程计算机来训练我的图像分割模型（用python编写）。我有一个重要的数据集（大约40GB），我想在该数据集上训练模型。 我必须使用Docker在远程计算机上进行培训。
我的问题
没有错误。 但是，每次创建docker映像时，我都会遇到磁盘内存问题，所有数据都会保存到与数据集大小重复的映像中。
我不知道我是否正确使用了Docker，是否有更好的方法来处理Docker的数据集（也许还有附加卷）。
我在做什么
这是我的DockerFile：
FROM tensorflow/tensorflow:2.1.0-gpu-py3
RUN mkdir /AI_PLATFORM
WORKDIR /AI_PLATFORM
COPY ./install.sh ./install.sh
COPY ./requirements.txt ./requirements.txt
COPY ./computer_vision ./computer_vision
COPY ./data ./data
COPY ./weights ./weights
RUN bash install.sh
我所有的训练数据都保存在./data文件夹中。
install.sh包含以下几行：
#!/urs/bin/env bash
apt-get update
pip install --upgrade pip
pip install -r requirements.txt
然后，当我要创建新图像并启动培训时，我运行以下命令：
docker build -t ai_platform .
docker run --gpus all --env NVIDIA_VISIBLE_DEVICES=0 -v $PWD/weights:/AI_PLATFORM/weights --rm -it ai_platform python computer_vision/segmentation/unet_segmentation_models.py
我使用-v $PWD/weights:/AI_PLATFORM/weights将获得的权重保存在远程计算机上（这样一来，培训之后就不会删除它们）。
预先感谢您的帮助。