1. 对于希望立即使用的人来说 (对于as soon as)

《用scikit-learn掌握机器学习》第二版 作者：Gavin Hackeling

 

Docker

请安装Docker，并在Windows和Mac上提前启动Docker。
在Windows上，如果没有启用Intel虚拟化（Bios设置），Docker可能无法启动。
此外，可能会出现安全警告等情况。

运行 docker

$ docker pull kaizenjapan/anaconda-gavin

$ docker run -it -p 8888:8888 kaizenjapan/anaconda-gavin /bin/bash

在以下的shell会话中，
(base) root@f19e2f06eabb:/# 是命令提示符。实际上数字部分可能有所不同。请输入#右边的内容。
其他行是输出。如果输出有错误或差异，请在评论区等地与我联系。
去每个章节的文件夹中。

当Docker容器内的外部操作系统的终端显示与Docker启动的操作系统的终端显示类似时，可能会搞混两者之间的调查。请注意Docker的命令提示符。

文件共享或复制

请在已启动Docker和Docker的操作系统中进行文件共享或文件复制，并通过浏览器等方式显示生成的文件。在参考文献部分记下操作方法的URL。

在整理启动了Docker的操作系统磁盘时，我正在探索哪种方式最好。在某些方法中，我会从一开始就进行共享设置。

在重复的情况下，我执行了在启动了docker的操作系统上执行的命令。请用您的docker编号进行替换。我在浏览器中显示了复制的文件并确认了内容。

朱庇特笔记本

# jupyter notebook --ip=0.0.0.0 --allow-root
[I 06:08:29.222 NotebookApp] JupyterLab extension loaded from /opt/conda/lib/python3.6/site-packages/jupyterlab
[I 06:08:29.222 NotebookApp] JupyterLab application directory is /opt/conda/share/jupyter/lab
[I 06:08:29.249 NotebookApp] Serving notebooks from local directory: /Mastering-Machine-Learning-with-scikit-learn-Second-Edition/chapter02
[I 06:08:29.249 NotebookApp] The Jupyter Notebook is running at:
[I 06:08:29.249 NotebookApp] http://(355403acf21a or 127.0.0.1):8888/?token=37306fb9aa2c1a160ebd2459424d8f9b8126fa53d11e15af
[I 06:08:29.250 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[W 06:08:29.251 NotebookApp] No web browser found: could not locate runnable browser.
[C 06:08:29.251 NotebookApp] 
    
    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://(355403acf21a or 127.0.0.1):8888/?token=37306fb9aa2c1a160ebd2459424d8f9b8126fa53d11e15af
    

用浏览器打开localhost:8888

将token中的右侧数字复制粘贴。

有些情况下也会发出警告。

2. 针对那些想自行构建Docker的人。

从这里开始，记录了您使用上述拉取的docker的方针和步骤。
这是关于使用上述docker的参考资料。对于执行后续书籍内容，这不是必需的。
这是关于自行构建docker/anaconda的步骤。
这不是创建dockerfile的方法。非常抱歉。

Ubuntu、Debian等Linux可以在Linux、Windows和Mac OS上通用的机制。
可以在不更改操作系统设置的情况下使用，这是很方便的。
它具有相同的规格，可以供大量用户使用。
可以同时使用官方开发的软件和用户自行定制的软件。这次我们将使用官方分发的软件，然后自己定制，以便其他人也可以使用。

Python是一种高级编程语言。

我用Python进行了深度学习的实践。
选择使用Python的原因是，许多机器学习的机制可以在Python中使用，而且还可以方便地使用R等统计分析的机制从Python中使用。

巨蟒

Python有不同版本的区别，比如2和3，以及不同的发布方法等。
我过去一年半一直使用Anaconda运行Python 3。
我选择使用Anaconda的原因是因为它已经预装了统计分析库和Jupyter Notebook。

Docker官方发布版

在docker-hub上，注册了ubuntu、debian等操作系统的官方发布版，gcc、anaconda等编程语言的官方发布版等等。通过使用这些官方发布版，可以进行官方发布版本的质量确认，并共享包含变更权的广泛信息。这些并不是docker官方发布的软件，而是各个软件供应商的官方发布版的意思。

下载 Docker 镜像

可以通过从URL拉取来实现使用Docker官方分发。

Docker 安装 Anaconda

使用Anaconda提供的官方版本。

$  docker pull kaizenjapan/anaconda-keras
Using default tag: latest
latest: Pulling from continuumio/anaconda3
Digest: sha256:e07b9ca98ac1eeb1179dbf0e0bbcebd87701f8654878d6d8ce164d71746964d1
Status: Image is up to date for continuumio/anaconda3:latest

$ docker run -it -p 8888:8888 continuumio/anaconda3 /bin/bash

实际上，还有使用Keras和TensorFlow的其他推送的拉取。

公寓

(base) root@d8857ae56e69:/# apt update

(base) root@d8857ae56e69:/# apt install -y procps

(base) root@d8857ae56e69:/# apt install -y vim

(base) root@d8857ae56e69:/# apt install -y apt-utils

(base) root@d8857ae56e69:/# apt install sudo

源代码版本管理工具 git

(base) root@f19e2f06eabb:/# git clone https://github.com/PacktPublishing/Mastering-Machine-Learning-with-scikit-learn-Second-Edition

安装安装包

(base) root@f19e2f06eabb:/d# conda update --prefix /opt/conda anaconda

汲水

(base) root@f19e2f06eabb:/d# pip install --upgrade pip

将注册到Docker Hub。

$ docker ps
CONTAINER ID        IMAGE                   COMMAND                  CREATED             STATUS              PORTS                    NAMES
caef766a99ff        continuumio/anaconda3   "/usr/bin/tini -- /b…"   10 hours ago        Up 10 hours         0.0.0.0:8888->8888/tcp   sleepy_bassi

$ docker commit caef766a99ff kaizenjapan/anaconda-gavin

$ docker push kaizenjapan/anaconda-gavin

请参考下列资料：

为什么要使用Docker进行机器学习？正在创建书籍和资源清单（目标：100个）
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

使用Docker和Anaconda，学习斎藤康毅的书籍《从零开始的深度学习-使用Python学习深度学习理论与实践》。

使用Docker和Anaconda进行机器学习的”从零开始的深度学习2自然语言处理编程”一书，由斋藤康毅撰写。链接：https://qiita.com/kaizen_nagoya/items/3b80dfc76933cea522c6

使用Docker进行机器学习(3)与Anaconda(3)「直觉深度学习」Antonio Gulli、Sujit Pal的第1章和第2章。
链接：https://qiita.com/kaizen_nagoya/items/483ae708c71c88419c32

使用Docker构建机器学习（71）环境，无论如何，从Docker那里得到的一直是错误。 请参考https://qiita.com/kaizen_nagoya/items/690d806a4760d9b9e040。

在Windows上配置Docker以构建机器学习环境。请参考以下链接：https://qiita.com/kaizen_nagoya/items/c4daa5cf52e9f0c2c002

使用Docker构建机器学习环境的方法，适用于docker、linux、macOS bash脚本以及ms-dos批处理文件。详细内容可参考链接：https://qiita.com/kaizen_nagoya/items/3f7b39110b7f303a5558

在 Docker 中进行机器学习(74) 环境配置(4)， R 有多困难？ (来源：https://qiita.com/kaizen_nagoya/items/5fb44773bc38574bcf1c)

通过Docker在机器学习环境中构建和管理Docker相关文件，参考链接：https://qiita.com/kaizen_nagoya/items/4f03df9a42c923087b5d

尝试在Python中运行OpenCV时遇到了libGL.so文件不存在的问题，但已经解决了。

在服务器端使用matplotlib进行绘图的提示

在Docker中，在主机和容器之间进行文件复制。

在Docker for Mac中使用文件共享功能。参考链接：https://qiita.com/seijimomoto/items/1992d68de8baa7e29bb5

「名古屋的物联网是通过名古屋的操作系统来使用Docker的。在树莓派和苹果计算机上使用TOPPERS/FMP需要经过五个关卡。」

64位CPU的发展道路和64岁的决心。

《从零开始的Deep Learning自然语言处理编程》读书会的进行方式（例）

尝试使用 Ubuntu 16.04 LTS 上的 NVIDIA Docker

文件记录

版本0.10初始版于2018年10月24日完成

非常感谢您的耐心阅读至最后一刻。

赞！请关注我。

非常感谢您阅读到最后一句话。

请点击绿心图标，关注我，享受快乐的生活。