AI平台虚拟环境搭建流程

环境需求:
    jupyterhub需要3.5环境以上
    tensorflow 3.5环境以上
    
一、使用tensorflow/tensorflow:1.7.0-gpu-py3 docker镜像启动容器,目的:显卡驱动的安装
    容器名称为 ai_platform
    端口映射为 8008:8000 jupyterhub端口
    端口映射为 6008:6006 tensorboard端口
    使用 nvidia-docker
    软件共享目录映射 /ai_share/programs:/ai_soft
    数据共享目录映射 /data/ai:/ai_data
    示例 nvidia-docker run -i -t -p 8010:8000 -p 6010:6006 -v /ai_share/programs_pure:/ai_soft -v /data/ai:/ai_data --name=ai_platform tensorflow/tensorflow:1.7.0-gpu-py3 bash

    
二、sklearn2pmml安装
    apt-get update 更新源,源更新问题:需要去掉这两个源 cuda.list.bak  nvidia-ml.list.bak
    下载sklearn2pmml文件,解压到相应的目录
    python setup.py build
    python setup.py install
    pip3 install sklearn_pandas

三、jupyterhub安装
    安装
    apt-get install python3-pip
    apt-get install npm nodejs-legacy
    npm install -g configurable-http-proxy
    pip3 install jupyterhub
    pip3 install --upgrade notebook
    pip3 --default-timeout=1000 install --upgrade notebook 防止更新失败
    检测
    jupyterhub -h
    configurable-http-proxy -h
四、node.js升级到最新版本
    查看
    node -v
    npm -v
    升级
    npm install -g n
    n stable
五、切换为python3
    alias python='/usr/bin/python3'
六、启动环境
    jupyterhub
七、添加用户
    adduser jupyterhub
    passwd  jupyterhub
八、远程网页登陆
    http://***.**.**.**:8010
    
九、保存为新的镜像
    docker commit 85bcf0f7fca1 hello/ai_platform:tf-sklearn-py3
十、启动新的容器
    nvidia-docker run -i -t -p 8008:8000 -p 6008:6006 -v ai_share/programs_pure:/ai_soft -v /data/ai/ai_1:/ai_data --name=ai_platform_1 hello/ai_platform:tf-sklearn-py3 bash
    nvidia-docker run -i -t -p 8009:8000 -p 6009:6006 -v ai_share/programs_pure:/ai_soft -v /data/ai/ai_2:/ai_data --name=ai_platform_2 hello/ai_platform:tf-sklearn-py3 bash