Docker安装Anaconda环境

最新推荐文章于 2026-05-12 09:11:21 发布

原创最新推荐文章于 2026-05-12 09:11:21 发布 · 7.5k 阅读

29 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#Docker #Anaconda

本文详细介绍了如何在Docker中安装Anaconda环境，包括搜索和拉取镜像、运行容器、安装xgboost包及启动jupyter notebook。通过步骤演示，帮助读者避过配置环境时可能遇到的问题。

一文解决Docker安装Anaconda环境问题(因为坑我都踩完了) 直接放DEMO

如果对您有帮助或者解决了您的问题, 就帮我点个赞或者评论关注支持吧, 您的鼓励是我写博客的最大支持, 感谢!

最近有搞机器学习的同学找我装环境,看着他各种环境配置.各种报错,最后看不下去的我让她用了Docker, 挽救了一下她的发量

1. 搜索镜像

搜索我们想要的anaconda镜像：

docker search anaconda

2. pull镜像

pull一个最高的

docker pull continuumio/anaconda3

3. 运行镜像 image->容器

docker run -i -t -p 12345:8888 continuumio/anaconda3 /bin/bash

参数解释

-i: 是以交互模式运行容器，通常与 -t 同时使用；

-t: 为容器重新分配一个伪输入终端，通常与 -i 同时使用；

-p: 指定端口映射，格式为：主机(宿主)端口:容器端口

然后可以看到进入了命令行

注意看目录是 / 现在已经是容器里了

4. 安装xgboost包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost

总安装失败的可以换成国内的镜像源, 现在是清华的源

5. 运行jupyter notebook

在容器中启动 jupyter notebook：

jupyter notebook --port 8888 --ip 0.0.0.0 --allow-root

把前面的127.0.0.1:8888（容器的ip和端口）改为宿主机的ip和8888映射到宿主机的端口12345：

http://10.199.138.5:12345/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444

然后在本地浏览器中打开即可：

如果对您有帮助或者解决了您的问题, 就帮我点个赞或者评论关注支持吧, 您的鼓励是我写博客的最大支持, 感谢!

以下为可选环节

6. 把当前容器打包为新的镜像

当前我们对原始的 anaconda3 镜像做了一些改动：

安装了xgboost

然后我们想把当前容器状态打包为新的镜像，这样以后我们就可以部署到其他地方了，而不用再安装xgboost等等。

使用 docker commit 命令来将容器打包为镜像：

root@hz-sjfx-test-199-138-5:~# docker commit --help
 
Usage:  docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]
 
Create a new image from a container's changes
Options:
  -a, --author string    Author (e.g., "John Hannibal Smith <hannibal@a-team.com>")
  -c, --change list      Apply Dockerfile instruction to the created image
      --help             Print usage
  -m, --message string   Commit message
  -p, --pause            Pause container during commit (default true)

docker commit 
-a "nimendavid" 
-m "nimendavid's first docker image based on Anaconda3 with xgboost and lightgbm"
 dockername new_anaconda_xgboost

-a "nimendavid" 指的是作者

-m "nimendavid's......lightgbm" 指的是说明comment

dockername 指的是容器的短id，可以从命令行看出

new_anaconda_xgboost 指的是我们打包的新镜像的名称

7. 查看我们的新image

docker image ls

8. 上传到 Docker Hub

docker tag new_anaconda_xgboost:latest nimendavid/machine_learning:v0.1