直到您使用Docker + Miniconda在机器学习容器中启动Jupyter
使用Miniconda的官方镜像构建用于机器学习和数据科学的Docker环境。 我们总结了从安装Docker到在容器中安装python软件包以及打开Jupyter笔记本的步骤。
使用docker构建机器学习环境的优点是
- 您可以为具有严重库/版本差异的深度学习框架快速构建环境。
- （对于Ubuntu）您可以轻松使用GPU版本的Tensorflow / LightGBM，这安装起来很麻烦。
- （对于Windows和Mac）只能使用基于Linux的库。
- 即使Conda环境损坏，也可以立即恢复
比如它会被提及。
Docker安装
单击此处在每个操作系统上安装Docker。
Ubuntu，Windows专业版，Mac
GPU容器仅在具有Docker的Ubuntu上可用。 如果您只有Windows或Mac OS计算机，并且想使用GPU容器，则可以从外部SSD引导Ubuntu。
获取Miniconda图像/创建容器
官方的Docker映像（Anaconda 2或3，Miniconda 2或3）在下面。https://github.com/ContinuumIO/docker-images
您可以使用以下命令从终端获取Miniconda 3（基于python 3.7的Miniconda）映像：
＃docker创建一个放置与容器mkdir -p共享的文件的位置docker / miniconda＃获取miniconda3的正式镜像docker pullcontinumio / miniconda3＃启动miniconda容器docker run --name miniconda3 -it -p 8888：8888 -v / home / [用户名] / docker / miniconda：/ homeContinuMio / miniconda3 / bin / bash
Docker运行时的选项说明--name ：要制作的容器的名称-it：连接容器和主机的命令提示符-p ：连接主机端口和容器：您可以从浏览器中打开jupyter笔记本-v：与容器中的/ home共享主机文件夹（此处为/ home / docker / miniconda）。第一的 ”mkdir -p docker/miniconda如果将文件（分析数据等）放在“”中创建的文件夹中，则可以与容器共享该文件。
在这里，暂时-v共享文件夹随选件一起安装。 使用jupyter笔记本，可以通过浏览器将文件上传并下载到容器中，因此可能没有必要。
在Miniconda容器中工作
由于我将它与上一个命令一起放入了容器的命令提示符中，因此请安装该软件包（如有必要，请创建一个虚拟环境）。
＃为ML创建虚拟环境conda create -n ML＃安装与机器学习/数据科学相关的软件包conda install numpy scipy pandas matplotlib seaborn bokeh jupyter jupyterlab scikit-learn
在容器中启动Jupyter笔记本
打开＃jupyter笔记本jupyter笔记本--port 8888 --ip = 0.0.0.0 --allow-root＃对于jupyter实验室，请执行以下jupyter lab --port 8888 --ip = 0.0.0.0 --allow-root
您可以通过在浏览器中输入输出URL来打开jupyter。
“ Ctrl + C”退出jupyter
要重新输入容器，请单击docker exec -it コンテナID /bin/bash」
要将创建的Miniconda容器另存为图像，请单击docker commit CONTAINER_ID 保存するイメージ名」