使用Anaconda3的Docker镜像

假设本地 Ubuntu 服务器已经安装好了Docker，这里讲述一下如何开始运行Anaconda3的Docker镜像：

1. 搜索镜像

搜索我们想要的anaconda镜像：

docker search anaconda

2. 拉取镜像

我们决定拉anaconda3官方镜像，即

continuumio/anaconda3 这个镜像：

docker pull continuumio/anaconda3

注意，这个镜像大小接近1GB，所以时间比较长。

3.运行镜像，指定网络端口

运行 anaconda3 镜像的bash命令行，其中指定容器到宿主机的端口映射：

docker run -i -t -p : continuumio/anaconda3 /bin/bash

其中：

-i: 是以交互模式运行容器，通常与 -t 同时使用；

-t: 为容器重新分配一个伪输入终端，通常与 -i 同时使用；

-p: 指定端口映射，格式为：主机(宿主)端口:容器端口

具体数字随便写的...

即可进入anaconda3的命令行。

4. 检查Python的版本

python

当前是3.7.3版本

5. 查看已经安装的库

有两种查看方法，pip 和 conda 均可

conda list

pip list

6. 安装xgboost（或者其他包）

首先，原始镜像应该是不带xgboost的，测试一下：

(base) root@4e0533451e3a:/# python

Python 3.7. (default, Mar  , ::)

[GCC 7.3.] :: Anaconda, Inc. on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import xgboost

Traceback (most recent call last):

  File "<stdin>", line , in <module>

ModuleNotFoundError: No module named 'xgboost'

说明 xgboost 没有被安装，那按 ctrl+z 退出python环境，我们来安装xgboost：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost

顺利安装完毕，就可以调用 xgboost 了，如图：

7. 给anaconda镜像改名：

首先我们需要给容器重命名，为了以后使用方便。

原来运行 anaconda镜像的容器名称叫做 4e0533451e3a ，我们改名叫做AnacondaEnvironment。

docker rename cc432d1f6b13 AnacondaEnvironment

8. 重新运行改名后的镜像:

docker start -i AnacondaEnvironment

测试是不是有xgboost：

root@hz-sjfx-test---:~# docker start -i AnacondaEnvironment

(base) root@cc432d1f6b13:/# python

Python 3.7. (default, Mar  , ::)

[GCC 7.3.] :: Anaconda, Inc. on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import xgboost

>>> xgboost.__version__

'0.90'

成功！

9. 在该容器中运行jupyter notebook：

之前我们已经指定了宿主机的端口和容器的端口相互映射，其中：

宿主机的端口是：12345

容器的端口是：8888

在容器中启动 jupyter notebook：

jupyter notebook --port  --ip 0.0.0.0 --allow-root

这时候复制：

http://127.0.0.1:8888/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444

并且把前面的127.0.0.1:8888（容器的ip和端口）改为宿主机的ip和8888映射到宿主机的端口12345：

http://10.199.138.5:12345/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444

然后在本地浏览器中打开即可：

成功运行！

10. 把当前容器打包为新的镜像：

当前我们对原始的 anaconda3 镜像做了一些改动：

安装了xgboost
安装了lightgbm
随意新建了一个ipynb文件

然后我们想把当前容器状态打包为新的镜像，这样以后我们就可以部署到其他地方了，而不用再安装xgboost等等。

使用 docker commit 命令来将容器打包为镜像：

root@hz-sjfx-test---:~# docker commit --help

Usage:  docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]

Create a new image from a container's changes

Options:

  -a, --author string    Author (e.g., "John Hannibal Smith <hannibal@a-team.com>")

  -c, --change list      Apply Dockerfile instruction to the created image

      --help             Print usage

  -m, --message string   Commit message

  -p, --pause            Pause container during commit (default true)

我们的容器名字叫 id 是 cc432d1f6b13，所以：

docker commit -a "nimendavid" -m "nimendavid's first docker image based on Anaconda3 with xgboost and lightgbm" cc432d1f6b13 new_anaconda_xgboost

其中：

-a "nimendavid"   指的是作者

-m "nimendavid's......lightgbm"  指的是说明comment

cc432d1f6b13  指的是容器的短id，可以从命令行看出

new_anaconda_xgboost 指的是我们打包的新镜像的名称

现在应该就打包成功了。

11. 查看新镜像:

docker image ls

我们可以看见第一条镜像就是我们刚刚打包好的镜像，有整整 3.05GB 大。

12. 将打包好的新镜像上传到 Docker Hub：

首先我们需要将这个新镜像打上 tag，方便在公共服务器进行上传：

docker tag new_anaconda_xgboost:latest nimendavid/machine_learning:v0.

其中:

new_anaconda_xgboost:latest

格式是本地镜像名称:tag ，可以通过 docker image ls 查看

nimendavid/machine_learning:v0.

格式是 dockerhub用户名/仓库名:tag ，需要自己有一个dockerhub账号，v0.1就是自定义的版本号码

然后记得登录在服务器上dockerhub，否则推送会报错：

docker login

最后push本地镜像到dockerhub即可，记得退出dockerhub的登录：

推送还是比较慢的...耐心等待

登出 dockerhub：

docker logout

转自：https://blog.csdn.net/qq_27469517/article/details/100928433