使用 Docker 创建一个简单的 Numpy Jupyter Notebook
机器学习和数据科学无疑已成为新的热门词汇。各大企业正尝试采用数据分析和机器学习技术来预测销售额并提高收入。毫无疑问，精通机器学习技术无疑会让你在当今的企业界占据上风。如果你想在动态且受限的环境中构建机器学习模型，那么使用 Docker 容器无疑是最佳选择。
借助 Jupyter Notebook，你可以在 Docker 容器中轻松构建和运行机器学习模型。事实上，Docker 容器的打包环境可以为你在机器学习项目中使用的 Python 或 R 库和软件包提供更好的版本控制。
在本文中，我们将讨论如何在 Docker 容器中创建一个简单的 Numpy Jupyter Notebook。按照相同的模板，您可以轻松安装其他有用的库和软件包，并通过 Jupyter Notebooks 将它们添加到您的机器学习项目中。
假设您的系统上已经安装了 Docker，让我们继续看看如何在 Docker 容器中运行 Jupyter Notebook。
首先，直接从 Docker Registry 拉取 Docker Jupyter 镜像来运行它。您可以使用以下命令运行 Jupyter 镜像。
sudo docker run −d −p 8888:8888 jupyter/scipy-notebook
要检查 Docker 容器是否正在运行，您可以使用以下命令 −
sudo docker ps −a
复制 Jupyter 容器的容器 ID。
之后，您需要获取与 Docker 容器内运行的 Jupyter Notebook 关联的 Token。为此，您可以使用以下命令 −
sudo docker exec <container−id> jupyter notebook list
输出
http://localhost:8888/?token=a37c45becfd981ffeb2fdca9b82419bd697e9 a8b4b5bf25b :: /home/raunak
这将生成一个本地主机 URL 以及令牌 ID。复制该 URL 到令牌 ID，然后启动浏览器并打开该链接。该 Notebook 在 Docker 容器内运行，并且 Docker 容器的 8888 端口暴露给主机的 8888 端口。因此，您可以在主机内访问该 URL。这将在浏览器中打开该 Notebook。
所有基本的机器学习软件包，例如 Numpy、scipy 等，都已包含在 Docker 容器中。
创建一个新的 Python3 Notebook 并为其命名。在 Notebook 中，输入以下命令。
import numpy as np np.mgrid[0:3, 0:3]
执行 Notebook 单元。您应该会看到一个矩阵输出。现在，保存笔记本。
停止 Docker 容器并重新启动，以检查 Jupyter Notebook 是否仍然存在。
sudo docker ps −a sudo docker stop <container−id> sudo docker start <container−id>
你会发现之前创建的 Jupyter Notebook 仍然存在于 Docker 容器中。
总而言之，掌握机器学习或数据科学等技能显然会提升你的学术或企业职业生涯，然而，使用机器学习构建项目并在 Docker 容器中部署或运行它们，不仅能为你提供完美的容器和打包环境，还能帮助你简化训练大型模型的过程，因为它能为你提供充足的资源，并在你执行其他任务时避免系统负载过重。
在本文中，我们了解了从 Docker 注册表运行 Jupyter 镜像的步骤、如何在本地计算机上的浏览器中访问 Jupyter Notebook、运行 Numpy 代码片段以及验证 Jupyter Notebook 在容器重启后是否仍然存在。
