deepin系统安装docker和nvidia-docker的步骤，请参考：deepin安装docker

我们从导入开始讲起，

1，导入一个镜像压缩包（pytorch-0.4.0_cuda9_cudnn7.tar）命名：

docker load < pytorch-0.4.0_cuda9_cudnn7.tar

2，进入docker的镜像环境中

nvidia-docker container run --rm -p 8440:3000 -it --ipc=host -v
 /home/XXX/sdb/git:/XXX   -v 
/home/XXX/sdb/Caffe_Project/face_recognition:/XXX/data pytorch-
0.4.0_cuda9_cudnn7_mx90mkl:1.0  /bin/bash

   （说明，上面的是一整句命名行，以上可以修改的部分

    a）“8440”端口号，不要和同时使用3000端口号的人同名；

    b）“/home/XXX/sdb/git” 我自己的工程地址 

    c）“/home/XXX/sdb/Caffe_Project/face_recognition ”我自己的数据地址

    d）地址“/XXX”和“/XXX/data”是我自己命名的隐射到的docker的路径）

3，运行工程时，在docker中安装缺少的库，安装完成，工程运行无错，执行以下命名，查看当前镜像的ID：

sudo docker ps

4，然后进行镜像的commit和保存，保存的名称命名为“pytorch-0.4.0_cuda9_cudnn7_new:1.0”：

sudo docker commit 4ab605820684 pytorch-0.4.0_cuda9_cudnn7_new:1.0

5，用以下命名查看新的镜像是否保存成功： 

sudo docker images

6，导出保存的最新镜像“pytorch-0.4.0_cuda9_cudnn7_new:1.0”，保存到指定的位置： 

sudo docker save pytorch-0.4.0_cuda9_cudnn7_new:1.0 > /home/XXX/Downloads/pytorch-0.4.0_cuda9_cudnn7_new.tar

7，导出结束，可以看到保存的镜像压缩文件放在指定的位置。