你当然可以运行一个已经有训练脚本的Docker。你只需要记住两件事：

1. AzureML不会执行你的docker的CMD，而是执行你为你的作业提供的命令。
   1.当AzureML在你的Docker上执行命令时，它会在放置code文件的文件夹中执行。如果你没有任何文件夹，那将是一个空文件夹。所以你应该在执行命令前导航到正确的文件夹。
   这里有一个使用简单docker danielschneider/hello的例子，它包含python和一hello.py输出hello world的www.example.com文件。
   如果您在本地运行它，它将执行以下操作：

docker run -it danielschneider/hello python hello.py
> hello world

下面介绍如何在AzureML中的群集节点上运行该命令

1.创建包含以下内容的yaml文件，并将其保存为test.yaml：

$schema: https://azuremlschemas.azureedge.net/latest/commandJob.schema.json
type: command

environment: 
  image: danielschneider/hello

command: |
  cd /  
  python hello.py

# replace below cpu-cluster with the name of your compute target
compute: azureml:cpu-cluster

1.使用CLI执行作业：

az ml job create -f test.yaml

(this当然，需要安装Azure CLI和AzureML扩展--有关说明，请参见here）

有关上述YAML的一些详细信息

$schema和type不是必需的，但它们有助于VSCode在您编辑文件时提供智能感知。
environment显然指向docker.io我的hello映像的www.example.com位置。您可以指向工作区容器注册表（或连接到您的工作区的任何其他容器注册表）中的任何公共映像或私有映像。此外，您还可以从您的工作区或附加的注册表指向已注册的环境。
command是在docker上执行的命令。正如您所看到的，在执行命令之前，我导航到根目录，因为hello.py位于docker映像中。请注意，|是开始多行字符串的标准YAML表示法。
对于compute，您显然必须使用您想要在其上运行映像的任何计算。