原创
作者：你们fkdkj
假设本地 Ubuntu 服务器已经安装好了Docker，这里讲述一下如何开始运行Anaconda3的Docker镜像：
1. 搜索镜像搜索我们想要的anaconda镜像：
docker search anaconda
2. 拉取镜像
我们决定拉anaconda3官方镜像，即
continuumio/anaconda3 这个镜像：
docker pull continuumio/anaconda3注意，这个镜像大小接近1GB，所以时间比较长。
3.运行镜像，指定网络端口
运行 anaconda3 镜像的bash命令行，其中指定容器到宿主机的端口映射：
docker run -i -t -p 12345:8888 continuumio/anaconda3 /bin/bash其中：
-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
具体数字随便写的...
即可进入anaconda3的命令行。
4. 检查Python的版本 python
当前是3.7.3版本
5. 查看已经安装的库
有两种查看方法，pip 和 conda 均可
conda list pip list
6. 安装xgboost（或者其他包）
首先，原始镜像应该是不带xgboost的，测试一下：
(base) root@4e0533451e3a:/# pythonPython 3.7.3 (default, Mar 27 2019, 22:11:17)[GCC 7.3.0] :: Anaconda, Inc. on linuxType "help", "copyright", "credits" or "license" for more information.>>> import xgboostTraceback (most recent call last): File "<stdin>", line 1, in <module>ModuleNotFoundError: No module named 'xgboost'说明 xgboost 没有被安装，那按 ctrl+z 退出python环境，我们来安装xgboost：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost顺利安装完毕，就可以调用 xgboost 了，如图：
7. 给anaconda镜像改名：
首先我们需要给容器重命名，为了以后使用方便。
原来运行 anaconda镜像 的容器名称叫做 4e0533451e3a ，我们改名叫做AnacondaEnvironment。
docker rename cc432d1f6b13 AnacondaEnvironment8. 重新运行改名后的镜像: docker start -i AnacondaEnvironment
测试是不是有xgboost：
root@hz-sjfx-test-199-138-5:~# docker start -i AnacondaEnvironment(base) root@cc432d1f6b13:/# pythonPython 3.7.3 (default, Mar 27 2019, 22:11:17)[GCC 7.3.0] :: Anaconda, Inc. on linuxType "help", "copyright", "credits" or "license" for more information.>>> import xgboost>>> xgboost.__version__'0.90'成功！
9. 在该容器中运行jupyter notebook：
之前我们已经指定了宿主机的端口和容器的端口相互映射，其中：
宿主机的端口是：12345
容器的端口是：8888
在容器中启动 jupyter notebook：
jupyter notebook --port 8888 --ip 0.0.0.0 --allow-root
这时候复制：
http://127.0.0.1:8888/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444并且把前面的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：
成功运行！
10. 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
安装了lightgbm
随意新建了一个ipynb文件
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 --helpUsage: docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]Create a new image from a container's changesOptions: -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)
我们的容器名字叫 id 是 cc432d1f6b13，所以：
docker commit -a "nimendavid" -m "nimendavid's first docker image based on Anaconda3 with xgboost and lightgbm" cc432d1f6b13 new_anaconda_xgboost其中：
-a "nimendavid" 指的是作者
-m "nimendavid's......lightgbm" 指的是说明comment
cc432d1f6b13 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
现在应该就打包成功了。
11. 查看新镜像: docker image ls
我们可以看见第一条镜像就是我们刚刚打包好的镜像，有整整 3.05GB 大。
12. 将打包好的新镜像上传到 Docker Hub：
首先我们需要将这个新镜像打上 tag，方便在公共服务器进行上传：
docker tag new_anaconda_xgboost:latest nimendavid/machine_learning:v0.1
其中:
new_anaconda_xgboost:latest
格式是 本地镜像名称:tag ，可以通过 docker image ls 查看
nimendavid/machine_learning:v0.1
格式是 dockerhub用户名/仓库名:tag ，需要自己有一个dockerhub账号，v0.1就是自定义的版本号码
然后记得登录在服务器上dockerhub，否则推送会报错：
docker login最后push本地镜像到dockerhub即可，记得退出dockerhub的登录：
推送还是比较慢的...耐心等待
登出 dockerhub：
docker logout