用 docker-compose 搭建机器学习工作环境 ml-workspace

原创

hkai31

修改于 2021-10-09 17:45:41

7570

修改于 2021-10-09 17:45:41

介绍 ml-workspace

ml-workspace 是一个机器学习工作环境，内置了 jupyter notebook, juputer-lab, vscode server, vnc , file browser, ssh 等工具，并已经安装好了各种机器学习需要的库如 pandas/numpy/matplotlib, scikit-learn, pytorch, tensorflow，可以说是机器学习、数据分析与挖掘开发一条龙服务。

官网没有用 docker-compose 搭建 ml-workspace 的说明，因此我分享一下我的 docker-compose.yml 文件

services:
  ml-workspace-gpu:
    image: mltooling/ml-workspace-gpu
    volumes:
      - ml-workspace:/workspace
      - root:/root
    ports:
      - 7080:8080
    shm_size: 1G
    environment:
      - TZ=Asia/Shanghai
      - WORKSPACE_AUTH_USER=user
      - WORKSPACE_AUTH_PASSWORD=password
    deploy:
      resources:
        reservations:
          devices:
            - capabilities: [gpu]

volumes:
  ml-workspace:
  root:

基于这个文件，可以进行以下定制：

image: 指定其他的版本如 mltooling/ml-workspace
ports: 改成合适的端口
环境变量里有用户名和密码，改成合适的或者之间去掉。
deploy : 如果不使用 GPU 可以删掉。

运行成功以后的设置

设置 pip 使用清华镜像、阿里云镜像

pip config set global.index-url 'https://mirrors.aliyun.com/pypi/simple/'
pip config set global.index-url 'https://pypi.tuna.tsinghua.edu.cn/simple'

pip 会将配置存到 /root/.config 中，因此这个设置会存储到 volumes 中，不会随着 docker-compose down 而消失

使用 pip install --user 安装的库会放在 /root/.local/lib 中，同理也会保存下来。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

容器镜像服务

机器学习

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

容器镜像服务

机器学习

登录后参与评论

0 条评论

热度