机器学习和数据科学无疑已成为新的流行语。组织现在正在尝试采用数据分析和机器学习技术来预测其销售额并增加收入。毫无疑问，专门的机器学习技术一定会在当今的企业界中发挥优势。如果要在动态且封闭的环境中构建机器学习模型，没有比使用Docker容器更好的选择了。
您可以借助Jupyter Notebook在Docker容器中轻松构建和运行机器学习模型。实际上，Docker容器的打包环境为您将在机器学习项目中使用的python或R库和包提供了更好的版本控制。
在本文中，我们将讨论如何在Docker容器中创建一个简单的Numpy Jupyter Notebook。按照相同的模板，您可以轻松地安装其他有用的库和软件包，并通过Jupyter Notebook将它们包括在您的机器学习项目中。
假设您已经在系统上安装了Docker，让我们继续看看如何在Docker容器中运行Jupyter Notebook。
首先，通过直接从Docker Registry中拉出Docker Jupyter映像来运行它。您可以使用以下命令来运行Jupyter映像。
sudo docker run −d −p 8888:8888 jupyter/scipy-notebook
要检查Docker容器是否正在运行，可以使用以下命令-
sudo docker ps −a
复制Jupyter容器的容器ID。
之后，您需要获取与在Docker容器内运行的Jupyter Notebook相关的令牌。为此，您可以使用以下命令-
sudo docker exec <container−id> jupyter notebook list
输出结果
http://localhost:8888/?token=a37c45becfd981ffeb2fdca9b82419bd697e9 a8b4b5bf25b :: /home/raunak
这将生成一个本地主机URL和令牌ID。将URL复制到令牌ID，然后启动浏览器并打开该链接。Notebook在Docker容器内提供服务，并且Docker容器的端口8888暴露于主机的端口8888。因此，您可以访问主机内部的URL。这将在浏览器中打开笔记本。
所有基本的机器学习软件包（例如Numpy，scipy等）都已包含在Docker容器中。
创建一个新的Python3笔记本并为其命名。在笔记本内部，键入以下命令。
import numpy as np np.mgrid[0:3, 0:3]
执行笔记本单元。您应该看到一个矩阵输出。现在，保存笔记本。
停止Docker容器并再次启动它，以检查Jupyter Notebook是否仍然存在。
sudo docker ps −a sudo docker stop <container−id> sudo docker start <container−id>
您会发现您之前创建的Jupyter Notebook还存在于Docker容器中。
总而言之，很明显，掌握机器学习或数据科学之类的技能肯定会促进您的学术或公司职业发展，但是使用机器学习构建项目并在Docker Containers中部署或运行它们不仅为您提供了理想的容器和打包环境，而且它还为您提供了充足的资源，并且可以节省系统执行其他任务时的工作量，从而简化了训练大型模型的过程。
在本文中，我们看到了以下步骤：从Docker注册表运行Jupyter映像，如何在本地计算机上的浏览器中访问笔记本，运行numpy代码段，并验证笔记本是否在重启Container时仍然有效。