使用Docker构建Python数据科学容器

人工智能(AI)和机器学习(ML)最近真的火了，并驱动了从自动驾驶汽车到药物发现等等应用领域的快速发展。AI和ML的前途一片光明。

另一方面，Docker通过引入临时轻量级容器彻底改变了计算世界。通过使用一个COW（写时拷贝）层来保存数据，容器基本上封装了在一个映像(一堆只读层)中运行所需的所有软件。废话少说，让我们开始构建一个Python数据科学容器吧。

Python数据科学包

我们的Python数据科学容器利用了以下超酷的Python包:

NumPy: NumPy或Numeric Python支持大型、多维数组和矩阵。它为数学和数值操作提供了快速的预编译函数。此外，NumPy还使用强大的数据结构优化了Python编程，以便高效地计算多维数组和矩阵。
SciPy: SciPy为回归、最小化、傅里叶变换等提供了有用的函数。基于NumPy, SciPy扩展了它的功能。SciPy的主要数据结构也是一个多维数组，由Numpy实现。该软件包包含了能帮助我们解决线性代数、概率论、积分和更多任务的工具。
Pandas: Pandas为操作数据结构和执行广泛的数据分析提供了功能强大的工具。它可以很好地处理不完整的、非结构化的和无序的真实数据，并提供了用于整形、聚合、分析和可视化数据集的工具。
SciKit-Learn: SciKit-Learn是一个集成了各种最先进的机器学习算法的Python模块，可用于中等规模的监督和无监督学习的问题。它是最著名的python机器学习库之一。Scikit-learn包侧重于使用通用高级语言将机器学习带给非专业人士。主要强调的是易用性、性能、文档和API一致性。SciKit-Learn授权于简化的BSD许可下，具有最小的依赖项并易于分发，被广泛应用于学术和商业环境。Scikit-learn为常见的机器学习算法提供了一个简洁和一致的接口，从而使将ML引入生产系统中变得容易。
Matplotlib: Matplotlib是一个Python 2D绘图库，能够在多种硬拷贝格式和跨平台的交互式环境中生成出版物质量图。Matplotlib可用于Python脚本、Python和IPython shell、Jupyter笔记本、web应用服务器和四个图形用户界面工具包中。
NLTK: NLTK是一个用于构建处理人类语言数据的Python程序的领先平台。它为50多个语料库和词汇资源(如WordNet)提供了易于使用的接口，以及一套用于分类、标记、词干分析、标签化、解析和语义推理的文本处理库。

构建数据科学容器

Python正迅速成为数据科学家的首选语言，因此我们将使用Python作为构建我们数据科学容器的首选语言。

基础Alpine Linux映像

Alpine Linux是一个很小的Linux发行版，专为喜欢安全性、简单性和资源效率的高级用户设计。

正如Alpine所宣称的:

小。简单。安全。Alpine Linux是一个面向安全的轻量级Linux发行版，基于musl libc和busybox。

Alpine映像非常小，其中容器的大小不超过8MB。通过最小化的包安装来减少底层容器上的攻击面。这使得Alpine成为我们数据科学容器的一个选择映像。

下载并运行Alpine Linux容器非常简单，使用以下命令:

在我们的Dockerfile中，我们可以简单地通过以下命令来使用Alpine 基础映像:

多说无益，我们来构建Dockerfile

现在让我们来构建Dockerfile.

FROM指令用于将alpine-latest设置为基本映像。使用WORKDIR指令，我们将/var/www设置为我们容器的工作目录。ENV PACKAGES列出了我们的容器所需的软件包，如git、blas和libgfortran。我们的数据科学容器所需的python包被定义在ENV PACKAGES中。

我们将所有的命令合并到一个Dockerfile RUN指令下，以减少层数，从而帮助我们减少最终的映像大小。