Docker 安装Python及机器学习工具环境

1、安装Docker

参考文档：

安装Docker

Docker 入门教程

2、Python机器学习工具的Docker镜像

镜像基于 Alpine Linux Python 3.5 镜像，只有 60MB 镜像，并且包含流行的机器学习（Machine Leaning） 工具(numpy、pandas、scipy、scikit-learn)。获取Python机器学习工具的docker镜像，有两种方式，一种是通过docker pull命令获取，另一种是通过Dockerfile文件创建，具体如下，

1）使用docker pull命令

使用docker pull命令获取https://hub.docker.com/中存储公共镜像，如下，

docker pull frolvlad/alpine-python-machinelearning

注意：使用docker run命令时，如果镜像不存会自动调用docker pull获取镜像。

2）使用Dockerfile文件创建

Dockerfile文件：

FROM frolvlad/alpine-python3
RUN apk add --no-cache \
        --virtual=.build-dependencies \
        g++ gfortran file binutils \
        musl-dev python3-dev cython openblas-dev lapack-dev && \
    apk add libstdc++ openblas lapack && \
    \
    ln -s locale.h /usr/include/xlocale.h && \
    \
    pip install --disable-pip-version-check --no-build-isolation numpy && \
    pip install --disable-pip-version-check --no-build-isolation pandas && \
    \
    # scipy 1.4.x releases are broken on Alpine due to: https://github.com/scipy/scipy/issues/11319
    #pip install --disable-pip-version-check --no-build-isolation scipy && \
    apk add --no-cache --virtual=.build-dependencies-scipy-patch patch && \
    cd /tmp && \
    SCIPY_VERSION=1.4.1 && \
    wget "https://github.com/scipy/scipy/releases/download/v$SCIPY_VERSION/scipy-$SCIPY_VERSION.tar.xz" && \
    tar -xJf "scipy-$SCIPY_VERSION.tar.xz" && \
    (cd "scipy-$SCIPY_VERSION" && wget https://patch-diff.githubusercontent.com/raw/scipy/scipy/pull/11320.patch -O - | patch -p1) && \
    pip install --disable-pip-version-check --no-build-isolation "/tmp/scipy-$SCIPY_VERSION/" && \
    rm -rf /tmp/* && \
    apk del .build-dependencies-scipy-patch && \
    \
    pip install --disable-pip-version-check --no-build-isolation scikit-learn && \
    \
    rm -r /root/.cache && \
    find /usr/lib/python3.*/ -name 'tests' -exec rm -r '{}' + && \
    find /usr/lib/python3.*/site-packages/ -name '*.so' -print -exec sh -c 'file "{}" | grep -q "not stripped" && strip -s "{}"' \; && \
    \
    rm /usr/include/xlocale.h && \
    \
    apk del .build-dependencies
# Add pycddlib and cvxopt with GLPK
RUN cd /tmp && \
    apk add --no-cache \
        --virtual=.build-dependencies \
        gcc make file binutils \
        musl-dev python3-dev cython gmp-dev suitesparse-dev openblas-dev && \
    apk add gmp suitesparse && \
    \
    pip install --disable-pip-version-check --no-build-isolation pycddlib && \
    \
    wget "ftp://ftp.gnu.org/gnu/glpk/glpk-4.65.tar.gz" && \
    tar xzf "glpk-4.65.tar.gz" && \
    cd "glpk-4.65" && \
    ./configure --disable-static && \
    make -j4 && \
    make install-strip && \
    CVXOPT_BLAS_LIB=openblas CVXOPT_LAPACK_LIB=openblas CVXOPT_BUILD_GLPK=1 pip install --disable-pip-version-check --no-build-isolation --global-option=build_ext --global-option="-I/usr/include/suitesparse" cvxopt && \
    \
    rm -r /root/.cache && \
    find /usr/lib/python3.*/site-packages/ -name '*.so' -print -exec sh -c 'file "{}" | grep -q "not stripped" && strip -s "{}"' \; && \
    \
    apk del .build-dependencies && \
    rm -rf /tmp/*

生成本地镜像：

docker build -t cjavapy/alpine-python-machinelearning .

3、Python机器学习工具的Docker容器

创建容器可以使用https://hub.docker.com/上的frolvlad/alpine-python-machinelearning镜像，也可以使用上面我们通过Dockerfile文件创建的本地镜像。

1）使用frolvlad/alpine-python-machinelearning镜像

$ docker run --rm frolvlad/alpine-python-machinelearning python3 -c 'import numpy; print(numpy.arange(3))'

2）使用cjavapy/alpine-python-machinelearning镜像

$ docker run --rm cjavapy/alpine-python-machinelearning python3 -c 'import numpy; print(numpy.arange(3))'

相关文档：

Docker 构建自定义镜像和Dockerfile文件

Docker 容器使用的命令