Docker使用

Deep Learning 环境

包含深度学习常用框架的Docker环境

docker pull floydhub/dl-docker:cpu

docker run -it -p 8888:8888 -p 6006:6006 -v /mnt/CodePython:/root/sharedfolder floydhub/dl-docker:cpu bash

nvidia-docker run -it -p 8888:8888 -p 6006:6006 -v /c/CodePython:/root/sharedfolder floydhub/dl-docker:gpu bash

常用命令

docker-machine ssh default
sudo mkdir /mnt/CodePython
mount -t vboxsf CodePython /mnt/CodePython //在虚拟机和主机之间共享目录

//加速
docker-machine ssh default
sudo sed -i "s|EXTRA_ARGS='|EXTRA_ARGS='--registry-mirror=加速地址 |g" /var/lib/boot2docker/profile
exit
docker-machine restart default

Python常用命令

mkdir ~/.pip
##然后在该目录下创建pip.conf文件编写如下内容：
[global]
trusted-host =  pypi.douban.com
index-url = http://pypi.douban.com/simple

# 一次的情形
pip install ipython -i http://mirrors.aliyun.com/pypi/simple/ 
pip install ipython -i http://pypi.douban.com/simple
pip install ipython -i https://pypi.tuna.tsinghua.edu.cn/simple
清华：https://pypi.tuna.tsinghua.edu.cn/simple ##最好用
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/ 
豆瓣：http://pypi.douban.com/simple/

## virtualenv
#virtualenv pythonenv
#virtualenv -p /usr/bin/python3 py3env

Conda常用命令

#添加清华源镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

#显示已添加的源镜像地址
conda config --set show_channel_urls yes

conda update conda

source activate 软件名 #把目录添加进环境变量

source deactivate #从环境变量里面 删去

conda create --name Py3 python==3.5 
source activate Py3
# 这里的pip是指pip3
pip install snakemake