我有一个Flask网络应用程序，它将展示一些深度学习模型。
我建立了形象和一切工作正常。
问题是这个图像的大小是5. 58GB!这有点可笑。
我有一些在构建过程中复制的深度学习模型，我认为它们可能是罪魁祸首，但它们的大小加起来不超过300MB，所以肯定不是。
在检查历史记录和每层的大小时，我发现：

• RUN /bin/sh -c pip install -r requirements.txt占用了771 MB。
• RUN /bin/sh -c pip install torch==1.10.2占用了2.8 GB!
• RUN /bin/sh -c apt-get install ffmpeg libsm6 libxext6占用了400 MB。

那么我如何合并这些库，同时保持图像大小合理？在python中部署ml模型时，使用这些大小的图像可以吗？
下面是root directory：

Dockerfile：

FROM python:3.7.13
WORKDIR /app 
COPY ["rdm.pt", "autosort_model.pt", "rotated_model.pt", "yolov5x6.pt", "/app/"]
RUN pip install torch==1.10.2
COPY requirements.txt /app/requirements.txt
RUN pip install -r requirements.txt
RUN apt-get update
RUN apt-get install ffmpeg libsm6 libxext6  -y
COPY . /app
CMD python ./app.py

.dockerignore：

Dockerfile
README.md
__pycache__