环境需求:
jupyterhub需要3.5环境以上
tensorflow 3.5环境以上
一、使用tensorflow/tensorflow:1.7.0-gpu-py3 docker镜像启动容器,目的:显卡驱动的安装
容器名称为 ai_platform
端口映射为 8008:8000 jupyterhub端口
端口映射为 6008:6006 tensorboard端口
使用 nvidia-docker
软件共享目录映射 /ai_share/programs:/ai_soft
数据共享目录映射 /data/ai:/ai_data
示例 nvidia-docker run -i -t -p 8010:8000 -p 6010:6006 -v /ai_share/programs_pure:/ai_soft -v /data/ai:/ai_data --name=ai_platform tensorflow/tensorflow:1.7.0-gpu-py3 bash
二、sklearn2pmml安装
apt-get update 更新源,源更新问题:需要去掉这两个源 cuda.list.bak nvidia-ml.list.bak
下载sklearn2pmml文件,解压到相应的目录
python setup.py build
python setup.py install
pip3 install sklearn_pandas
三、jupyterhub安装
安装
apt-get install python3-pip
apt-get install npm nodejs-legacy
npm install -g configurable-http-proxy
pip3 install jupyterhub
pip3 install --upgrade notebook
pip3 --default-timeout=1000 install --upgrade notebook 防止更新失败
检测
jupyterhub -h
configurable-http-proxy -h
四、node.js升级到最新版本
查看
node -v
npm -v
升级
npm install -g n
n stable
五、切换为python3
alias python='/usr/bin/python3'
六、启动环境
jupyterhub
七、添加用户
adduser jupyterhub
passwd jupyterhub
八、远程网页登陆
http://***.**.**.**:8010
九、保存为新的镜像
docker commit 85bcf0f7fca1 hello/ai_platform:tf-sklearn-py3
十、启动新的容器
nvidia-docker run -i -t -p 8008:8000 -p 6008:6006 -v ai_share/programs_pure:/ai_soft -v /data/ai/ai_1:/ai_data --name=ai_platform_1 hello/ai_platform:tf-sklearn-py3 bash
nvidia-docker run -i -t -p 8009:8000 -p 6009:6006 -v ai_share/programs_pure:/ai_soft -v /data/ai/ai_2:/ai_data --name=ai_platform_2 hello/ai_platform:tf-sklearn-py3 bash