Até você iniciar o Jupyter em um contêiner de aprendizado de máquina com Docker + Miniconda
Crie um ambiente Docker para aprendizado de máquina e ciência de dados usando a imagem oficial do Miniconda. Resumimos as etapas desde a instalação do Docker até a instalação do pacote python no contêiner e a abertura do bloco de notas Jupyter.
O mérito de construir um ambiente de aprendizado de máquina com docker é
- Você pode construir rapidamente um ambiente para estruturas de aprendizado profundo com diferenças severas de biblioteca / versão.
- (Para Ubuntu) Você pode usar facilmente a versão GPU do Tensorflow / LightGBM, que é difícil de instalar.
- (Para Windows e Mac) Apenas bibliotecas baseadas em Linux podem ser usadas.
- Mesmo que o ambiente do Conda esteja quebrado, ele pode ser recuperado imediatamente
Etc.
Instalação do Docker
Clique aqui para instalar o Docker em cada sistema operacional.
Ubuntu,Windows Pro,Mac
Os contêineres de GPU estão disponíveis apenas no Ubuntu com Docker. Se você tem apenas um computador Windows ou Mac OS e deseja usar um contêiner de GPU, pode inicializar o Ubuntu a partir de um SSD externo.
Obter imagem do Miniconda / Criar contêiner
A imagem oficial do Docker (Anaconda 2 ou 3, Miniconda 2 ou 3) está abaixo.https://github.com/ContinuumIO/docker-images
Você pode obter a imagem do Miniconda 3 (Miniconda baseado em python 3.7) em seu terminal com o seguinte comando:
# docker Crie um local para colocar os arquivos compartilhados com o contêiner mkdir -p docker / miniconda # Obtenha a imagem oficial do miniconda3 docker pull continuumio / miniconda3 # Inicie o docker do contêiner miniconda execute --name miniconda3 -it -p 8888: 8888 -v / home / [nome do USUÁRIO] / docker / miniconda: / home continuumio / miniconda3 / bin / bash
Explicação das opções ao executar o docker--name : Nome a dar ao recipiente a ser feito-it: Conecte o prompt de comando do contêiner e o host-p : Conecte a porta do host e o contêiner: Você pode abrir o notebook jupyter a partir do navegador-v: Compartilhe a pasta do host (aqui / home / docker / miniconda) com / home no contêiner.Primeiro "mkdir -p docker/minicondaSe você colocar um arquivo (dados de análise, etc.) na pasta criada em ", você pode compartilhá-lo com o contêiner.
Aqui, por enquanto-vA pasta compartilhada é montada com a opção. Com o notebook jupyter, os arquivos podem ser carregados e baixados no contêiner por meio de um navegador, portanto, pode não ser necessário.
Trabalhando dentro de um contêiner Miniconda
Como eu o coloquei no prompt de comando do contêiner com o comando anterior, instale o pacote (crie um ambiente virtual se necessário).
# Criar ambiente virtual para ML conda create -n ML # Instalar pacotes relacionados ao aprendizado de máquina / ciência de dados conda instalar numpy scipy pandas matplotlib seaborn bokeh jupyter jupyterlab scikit-learn
Abra o notebook Jupyter no contêiner
Abra # jupyter notebook jupyter notebook --port 8888 --ip = 0.0.0.0 --allow-root # Para jupyter lab, faça o seguinte jupyter lab --port 8888 --ip = 0.0.0.0 --allow-root
Você pode abrir o jupyter digitando a URL de saída em seu navegador.
"Ctrl + C" para sair do jupyter
Para entrar novamente no contêiner, clique emdocker exec -it コンテナID /bin/bash」
Para salvar o container Miniconda criado como uma imagem, cliquedocker commit CONTAINER_ID 保存するイメージ名」