docker python3,docker python3.7
引起
作者：游fkdkj
假设Docker已经安装在本地Ubuntu服务器上，下面是如何开始运行Anaconda3的Docker映像：
1. 搜索镜像搜索我们想要的蟒蛇图片：
码头工人搜索蟒蛇
2. 拉取镜像我们决定拉anaconda3官方镜像，即
continuumio/anaconda3此图像：
Dockpull Continuum IO/Anaconda 3注意，这个映像的大小接近1GB，所以需要很长时间。
3.运行镜像，指定网络端口运行anaconda3 image的bash命令行，它指定了从容器到主机的端口映射：
dock Run-I-T-p 12345:8888 Continuum IO/anaconda 3/bin/bash其中：
-i:是以交互方式运行的容器，通常与-t一起使用；
-t:为容器重新分配一个虚拟输入端子，通常与-i同时使用；
-p:以主机(宿主)端口：容器端口的格式指定端口映射。
具体数字随便写。
您可以输入anaconda3的命令行。
4.检查python Python的版本
当前版本是3.7.3。
5.有两种方法可以查看已安装的库，可以使用pip和conda。
conda列表pip列表
6.安装xgboost(或其他包)。第一，原图要没有xgboost。测试它：
(base)root @ 4e 0533451 e3a:/# python python 3 . 7 . 3(默认，2019年3月27日22:11:17)[GCC 7.3.0] : Anaconda，Inc. on linuxType键入 help ， copyright ， credits 或 license 了解更多信息。import xgboostTraceback(最近一次调用last):ModuleModuleNotFunderError中文件 stdin ，第1行：没有名为 xgboost 的模块表示没有安装xgboost，然后按ctrl z退出python环境，我们来安装XG Boost:
pip Install-I https://pypi.tuna.tsinghua.edu.cn/simple xgboost安装成功，可以调用xgboost，如图：
7.重命名anaconda映像：首先，为了方便以后使用，我们需要重命名容器。
最初，运行anaconda映像的容器的名称是4e0533451e3a，我们将其重命名为AnacondaEnvironment。
docker重命名cc 432 D1 F6 b 13 AnacondaEnvironment
xgboost的8. 重新运行改名后的镜像：Docker Start-I Anaconda环境测试：
root @ Hz-sjfx-test-199-138-5:~ # docker start-I AnacondaEnvironment(base)root @ cc 432 D1 F6 b 13:/# python python 3 . 7 . 3(默认，2019年3月27日22:11:17)[GCC 7 . 3 . 0]:* Anaconda，Inc .在Linux上键入 help 、 copyright 、 credits 或 license 以了解更多信息。进口XG Boost XG Boost。_ _ version _ _ 0.90 成功！
9.在这个容器中运行jupyter notebook:之前我们已经指定了主机的端口和容器的端口相互映射，其中：
主机的端口是：12345
集装箱的港口是：8888
启动容器中的jupyter笔记本：
jupyter笔记本-端口8888 - ip 0.0.0.0 -允许-root
此时复制：
http://127.0.0.1:8888/?token=a6b 3189 e8f 96802 b 6d 193475 f 0 e 30908 C3 a2 e 16816 E1 a 444并将之前的127.0.0.1:8888(容器的ip和端口)更改为主机的ip和8888并映射到主机的端口12345:
http://10.199.138.5:12345/?token=a6b 3189 e8f 96802 b 6d 193475 f 0 e 30908 C3 a2 e 16816 E1 a 444，然后在您的本地浏览器中打开它：
运行成功！
10.将当前容器打包成一个新的映像：目前，我们已经对原始的anaconda3映像做了一些更改：
Xgboost已安装。
lightgbm已安装
随机创建了一个新的ipynb文件。
然后我们想把当前的容器状态打包成一个新的镜像，这样以后就可以部署到其他地方，不用安装xgboost之类的。
使用docker commit命令将容器打包为镜像：
root @ Hz-sjfx-test-199-138-5:~ # docker commit-help usage:docker commit[OPTIONS]CONTAINER[REPOSITORY[:TAG]]从容器的更改创建新的图像选项：-a，- author stringAuthor(例如， John Hannibal Smith Hannibal @ a-team . com )-c，-change list将Dockerfile指令应用于创建的图像- helpPrint usage-m，- message stringCommit message-p，-pause在提交期间使用容器(默认为true)
我们的容器名称是cc432d1f6b13，所以：
Docker commit-a nimen David -m nimen David基于anaconda 3的第一个docker映像，带有XG boost和light GBM cc 432 D1 f 6b 13 new _ anaconda _ XG boost其中：
—‘nimendavid’是指作者。
-米尼门大卫的.‘轻GBM’指的是解释注释。
Cc432d1f6b13是指容器的短id，可以从命令行看到。
New_anaconda_xgboost是指我们打包的新映像的名称。
现在应该已经打包成功了。
1.检查新图像：docker图像ls
我们可以看到，第一个图像是我们刚刚打包的图像，大小为整整3.05GB。
12.将打包的新图像上传到Docker Hub:
首先，我们需要标记这个新图像，以便于上传到公共服务器上：
docker标签new_anaconda_xgboost:最新nimendavid/machine _ learning:v 0.1
其中包括：
new_anaconda_xgboost:最新
是格式本地镜像名：标签，可以通过docker镜像ls查看。
nimendavid/机器学习：v0.1
格式为dockerhub用户名/仓库名：标签，需要有dockerhub账号，v0.1为自定义版本号。
然后记得登录服务器上的dockerhub，否则推送会报错：
Docker登录最后把本地镜像推送到dockerhub，记得登出dockerhub:
还是推的慢.耐心等待。
注销dockerhub:
docker注销
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。