AI平台虚拟环境搭建流程

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