Tutorial

使用 Docker 快速建立 Jupyter Notebook 環境教學

本文介紹如何利用 Docker 建立可用於資料科學與開發的 Jupyter Notebook 容器環境，包含安裝、設定與常見應用情境。

內容大綱

  1. 為什麼用 Docker 建立 Jupyter Notebook？
  2. 安裝 Docker
    • Linux
    • Mac
    • Windows
  3. 下載與執行 Jupyter Notebook Docker 映像檔
  4. 設定 Notebook 存取與資料掛載
  5. 使用 GPU
  6. 參考資料

1. 為什麼用 Docker 建立 Jupyter Notebook？

Docker 可讓你快速建立隔離的開發環境，避免本機安裝衝突。Jupyter Notebook 是資料科學常用的互動式開發工具，透過 Docker 可輕鬆部署、移植與分享。

2. 安裝 Docker

Linux

大多數 Linux 發行版可透過套件管理器安裝 Docker：

# 更新套件清單
sudo apt update
# 安裝 Docker
sudo apt install docker.io
# 啟動 Docker 服務
sudo systemctl start docker
# 設定開機自動啟動
sudo systemctl enable docker

Mac

前往 Docker Desktop for Mac 下載並安裝。

Windows

前往 Docker Desktop for Windows 下載並安裝。

3. 下載與執行 Jupyter Notebook Docker 映像檔

官方映像檔推薦使用 jupyter/base-notebook 或 jupyter/scipy-notebook：

  1. 拉取映像檔

    docker pull jupyter/base-notebook

  2. 建立容器
    docker run [OPTIONS] IMAGE [COMMAND] [ARG...]

    啟動容器並開啟本機 8888 端口：

    docker run -p 8888:8888 jupyter/base-notebook

    啟動後，終端機會顯示一組 token，複製網址（如 http://127.0.0.1:8888/?token=...）在瀏覽器開啟即可進入 Jupyter Notebook。

※ DockerHub: DockerHub 是官方的 Docker 映像檔集中平台，提供各種應用程式的映像檔下載與分享，可以在這裡搜尋、取得映像檔，快速部署環境。

4. 設定 Notebook 存取與資料掛載

若要將本機資料夾掛載到容器，方便存取與保存 notebook 檔案：

docker run -p 8888:8888 -v /your/local/path:/home/jovyan/work --name my-jupyter jupyter/base-notebook
  • -p: Assigns the internal port to the external port
  • -v: Assigns a local directory to a container directory (mounts a volume)
  • /your/local/path：本機資料夾路徑
  • /home/jovyan/work：容器內預設工作目錄
  • --name: Sets the container name; otherwise, a random name will be assigned

可自訂密碼或 token，詳見 官方文件。

5. 使用 GPU

若你的主機支援 NVIDIA GPU，可利用 NVIDIA Container Toolkit 讓 Docker 容器存取 GPU 資源。

步驟

  1. 安裝 NVIDIA 驅動程式
    請先安裝對應作業系統的 NVIDIA 顯示卡驅動。

  2. 安裝 NVIDIA Container Toolkit
    依照官方文件安裝 nvidia-docker：

    sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker

  3. 啟動支援 GPU 的 Jupyter Notebook 容器
    使用 --gpus all 參數啟動容器：

    docker run --gpus all -p 8888:8888 --name gpu_note -v ~/name:/tf/name tensorflow/tensorflow:latest-gpu-jupyter

  4. 驗證 GPU 是否可用
    在 Notebook 中執行下列程式碼，確認 GPU 是否被偵測到：

    import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

注意：部分映像檔可能需額外安裝 CUDA、cuDNN 或深度學習框架，請參考 Jupyter Docker Stacks 官方說明。

6. 參考資料