DockerでJupiter、Keras、Tensorflow、その他のMLライブラリを実行する方法

最終的なプロジェクト構造は次のとおりです。

  $ tree -a python_data_science_container $python_data_science_container├──Dockerfile├──conf│└──.jupyter│└──jupyter_notebook_config.py└──run_jupyter.sh2ディレクトリ、3ファイル 
 Dockerfile 
 

 プロジェクトフォルダとファイル名を作成するだけです。Dockerfile 内部：
 
  $ mkdir python_data_science_container $ cd python_data_science_container $ vim Dockerfile  
 

 その後、次のコンテンツを Dockerfileに配置します ：
 
  FROM ubuntu：20.04MAINTAINER "Andrei Maksimov" ENV DEBIAN_FRONTEND noninteractiveRUN apt-get update &&apt-get install -y \ libopencv-dev \ python3-pip \ python3-opencv &&\ rm -rf / var / lib / apt / lists / * RUN pip3 install tensorflow &&\ pip3 install numpy \ pandas \ sklearn \ matplotlib \ seaborn \ jupyter \ pyyaml \ h5py &&\ pip3 install keras --no-deps &&\ pip3 install opencv-python &&\ pip3 install imutilsRUN ["mkdir"、 "notebooks"] COPY conf / .jupyter /root/.jupyterCOPY run_jupyter.sh /＃JupyterおよびTensorboardポートEXPOSE 8888 6006＃このマウントされたディレクトリにノートブックを保存するVOLUME / notesbooksCMD ["/run_jupyter.sh"]  
 

 個人のデータサイエンスコンテナ環境を作成するために使用するGitHubで、自分のDockerfileの最新の例をいつでも見つけることができます（Docker Hubでも無料で入手できます）。
 
Jupyter構成
 

 コンテナーとそのコンポーネントを宣言したらすぐに、Jupyterの構成を準備します。次のコンテンツを含むファイルjupyter_notebook_config.pyを作成します。
 
 ＃Get the config objectc =get_config（）＃in-line figure when using Matplotlibc.IPKernelApp.pylab ='inline' c.NotebookApp.ip ='*' c.NotebookApp.allow_remote_access =True＃do not Notebooksc.NotebookApp.open_browser =False＃トークンなしを使用する場合、デフォルトでブラウザウィンドウを開きます。常にsshtunnelc.NotebookApp.token='' c.NotebookApp.notebook_dir ='/notebooks'でjupyterを使用する＃Dockerコンテナ内のrootユーザーからJupyterを実行できるようにするc.NotebookApp.allow_root =True  
 

  Dockerfileから推測できるように 、/root/.jupyter/に配置します コンテナビルドプロセス中のフォルダ。
 起動スクリプトの作成 

 最後に行う必要があるのは、スクリプト run_jupyter.shを作成することです。 、起動プロセス中にコンテナ内でJupiterサーバーを起動します。次のコンテンツでを作成します：
 
 ＃！/ usr / bin /enbbashjupyterノートブック"$@"  
 

 そして、このファイルを実行可能にします：
 
  $ chmod + x run_jupyter.sh  
 

 このファイルは、新しいファイルを起動するたびに、デフォルトでコンテナ内で起動されます。
 コンテナイメージの作成 

 最終段階–コンテナの作成。次のコマンドを実行して、プロジェクトディレクトリからDockerコンテナをビルドします。
 
  $ docker build -f Dockerfile-tpython_data_science_container。 
 

 Dockerは、ビルドプロセス中に必要なすべてのライブラリとフレームワークをコンテナイメージ内にインストールし、使用できるようにします。
 実行中のコンテナ 

 これで、動作するコンテナができました。それを開始します。プロジェクトのフォルダ内にフォルダを作成します。このフォルダには、プロジェクトのソースコードを含むすべてのJupyterNotebookが保存されます。
 
 $mkdirノートブック 
 

 そして、次のコマンドでコンテナを起動します：
 
  $ docker run -it -p 8888：8888 \ -p 6006：6006 \ -d \ -v $（pwd）/ notesbooks：/ notesbooks \ python_data_science_container  
 

 コンテナを起動し、このコマンドを実行した場所に応じて、ローカルコンピュータまたはサーバーのポート6006でJupyterをポート8888とTensorflowダッシュボードに公開します。
 

 このコンテナは、ローカル開発の目的でのみ作成されていることに注意してください。私 このコンテナ内のJupyterの認証を削除したため、誰でもポート8888または6006に接続して、Pythonの原因コードを実行できます。 
 実用的なソリューションを探しているだけの場合 

 独自のコンテナを作成して維持する必要がなく、前述のコンポーネントで十分な場合は、私が通常更新する個人用コンテナを自由に使用してください。
 
  $ docker run -it -p 8888：8888 \ -p 6006：6006 \ -d \ -v $（pwd）/ notesbooks：/ notesbooks \ amaksimov / python_data_science  
 

 この記事がお役に立てば幸いです。記事が気に入ったら、好きなソーシャルメディアを使って再投稿してください。またね！