More than 1 year has passed since last update.

AUTOSAR Countdown Advent Calendar 2022

@kaizen_nagoya(Dr. Kiyoshi Ogawa)

dockerで機械学習(6) with anaconda(6)「 scikit-learnとTensorFlowによる実践機械学習」Aurélien Géron　著

Last updated at 2024-07-14Posted at 2018-10-05

1.すぐにプログラムを動かしたい方へ(as soon as you want)

scikit-learnとTensorFlowによる実践機械学習」Aurélien Géron　著
 👁 picture_large978-4-87311-834-5.jpeg

https://www.oreilly.co.jp/books/9784873118345/

docker

dockerは複数人で同じ設定で作業、実験、実習ができるとても便利な道具です。
それまで利用していた環境とは全く別に作ります。
それまでどのような設定をしていても、dockerが起動し、ネットがつながれば大丈夫です。ここでは、本で紹介しているdockerの資料に直接基づかず、すぐに利用できる環境を提供し、またご自身で新たに導入したソフトを含めて、保存しておく方法を紹介します。

docker起動

dockerを導入し、Windows, Macではdockerを起動しておいてください。
Windowsでは、BiosでIntel Virtualizationをenableにしないとdockerが起動しない場合があります。
また、セキュリティの警告などが出ることがあります。
システム管理者での作業が必要になります。

M.S. Windowsでdockerを
https://qiita.com/kaizen_nagoya/items/db25c0493170cb8cbcf6

docker pull and run

$ docker pull kaizenjapan/anaconda-handson

$ docker run -it -p 8888:8888 kaizenjapan/anaconda-handson /bin/bash

dockerの中と、dockerを起動したOSのシェルとが表示が似ている場合には、どちらで操作しているか間違えることがあります。dockerの入力促進記号(comman prompt)は、docker idの数字が何桁かついています。

第1章

以下のshell sessionでは

(base) root@5d7f67ae9b0a:#

は入力促進記号(comman prompt)です。実際には数字の部分が違うかもしれません。この行の#の右側を入力してください。
それ以外の行は出力です。出力にエラー、違いがあれば、コメント欄などでご連絡くださると幸いです。
それぞれの章のフォルダに移動します。

docker

(base) root@5d7f67ae9b0a:#ls
bin boot dev	etc handson-ml home lib lib64 media mnt opt proc root	run sbin srv	sys tmp usr var

(base) root@5d7f67ae9b0a:/#cd handson-ml/
(base) root@5d7f67ae9b0a:/handson-ml#ls
01_the_machine_learning_landscape.ipynb		 book_equations.ipynb
02_end_to_end_machine_learning_project.ipynb	 datasets
03_classification.ipynb				 docker
04_training_linear_models.ipynb			 extra_autodiff.ipynb
05_support_vector_machines.ipynb		 extra_capsnets-cn.ipynb
06_decision_trees.ipynb				 extra_capsnets.ipynb
07_ensemble_learning_and_random_forests.ipynb	 extra_gradient_descent_comparison.ipynb
08_dimensionality_reduction.ipynb		 extra_tensorflow_reproducibility.ipynb
09_up_and_running_with_tensorflow.ipynb		 future_encoders.py
10_introduction_to_artificial_neural_networks.ipynb images
11_deep_learning.ipynb				 index.ipynb
12_distributed_tensorflow.ipynb			 math_linear_algebra.ipynb
13_convolutional_neural_networks.ipynb		 requirements.txt
14_recurrent_neural_networks.ipynb		 tensorflow_graph_in_jupyter.py
15_autoencoders.ipynb				 tools_matplotlib.ipynb
16_reinforcement_learning.ipynb			 tools_numpy.ipynb
LICENSE						 tools_pandas.ipynb
README.md

(base) root@5d7f67ae9b0a:/handson-ml#jupyter 01_the_machine_learning_landscape.ipynb 
(base) root@5d7f67ae9b0a:/handson-ml#jupyter notebook --ip=0.0.0.0 --allow-root
[I 14:51:39.253 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[I 14:51:39.671 NotebookApp] JupyterLab extension loaded from /opt/conda/lib/python3.6/site-packages/jupyterlab
[I 14:51:39.671 NotebookApp] JupyterLab application directory is /opt/conda/share/jupyter/lab
[I 14:51:39.675 NotebookApp] Serving notebooks from local directory: /handson-ml
[I 14:51:39.676 NotebookApp] The Jupyter Notebook is running at:
[I 14:51:39.676 NotebookApp] http://(5d7f67ae9b0a or 127.0.0.1):8888/?token=7a5331fc8bad20cea75fc965e0734876860496be34ddf2c9
[I 14:51:39.676 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[W 14:51:39.677 NotebookApp] No web browser found: could not locate runnable browser.
[C 14:51:39.677 NotebookApp] 
 
 Copy/paste this URL into your browser when you connect for the first time,
 to login with a token:
 http://(5d7f67ae9b0a or 127.0.0.1):8888/?token=7a5331fc8bad20cea75fc965e0734876860496be34ddf2c9
[I 14:52:06.930 NotebookApp] 302 GET / (172.17.0.1) 1.00ms
[W 14:52:06.979 NotebookApp] Clearing invalid/expired login cookie username-localhost-8888
[W 14:52:06.983 NotebookApp] Clearing invalid/expired login cookie username-localhost-8888
[I 14:52:06.985 NotebookApp] 302 GET /tree? (172.17.0.1) 6.74ms
[I 14:54:37.247 NotebookApp] 302 POST /login?next=%2Ftree%3F (172.17.0.1) 1.76ms
[I 14:54:44.746 NotebookApp] Writing notebook-signing key to /root/.local/share/jupyter/notebook_secret
[W 14:54:44.752 NotebookApp] Notebook 01_the_machine_learning_landscape.ipynb is not trusted
[I 14:54:46.482 NotebookApp] Kernel started: dcc7efd8-67a2-438f-bedf-43714520cfac
[I 14:54:47.204 NotebookApp] Adapting to protocol v5.1 for kernel dcc7efd8-67a2-438f-bedf-43714520cfac
[I 14:56:46.466 NotebookApp] Saving file at /01_the_machine_learning_landscape.ipynb
[W 14:56:46.468 NotebookApp] Notebook 01_the_machine_learning_landscape.ipynb is not trusted

dockerを起動したOSのブラウザで localhost:8888 を表示してください。

👁 jupy1.png

tokenの欄に、7a5331fc8bad20cea75fc965e0734876860496be34ddf2c9
をコピペ

👁 jupy3.png

01_the_machine_learning_landscape.ipynb
選択

👁 jupy2.png

2. dockerを自力で構築する方へ

anaconda/keras/tensorflow方針(docker deploy policy)

ここから下は、上記のpullしていただいたdockerをどういう方針で、どういう手順で作ったかを記録します。
上記のdockerを利用する上での参考資料です。１章の続きをする上では必要ありません。
自力でdocker/anaconda/keras/tensorflowを構築する場合の手順になります。
dockerfileを作る方法ではありません。ごめんなさい。

docker

ubuntu, debianなどのLinuxを、linux, windows, mac osから共通に利用できる仕組み。
利用するOSの設定を変更せずに利用できるのがよい。
同じ仕様で、大量の人が利用することができる。

ソフトウェアの開発元が公式に対応しているものと、利用者が便利に仕立てたものの両方が利用可能である。今回は、公式に配布しているものを、自分で仕立てて、他の人にも利用できるようにする。

python

DeepLearningの実習をPhthonで行って来た。
pythonを使う理由は、多くの機械学習の仕組みがpythonで利用できることと、Rなどの統計解析の仕組みもpythonから容易に利用できることがある。

anaconda

pythonには、2と３という版の違いと、配布方法の違いなどがある。
Anacondaでpython3をこの１年半利用してきた。

Anacondaを利用した理由は、統計解析のライブラリと、JupyterNotebookが初めから入っているからである。

docker公式配布

ubuntu, debianなどのOSの公式配布,gcc, anacondaなどの言語の公式配布などがある。
これらを利用し、docker-hubに登録することにより、公式配布の質の確認と、変更権を含む幅広い情報の共有ができる。dockerが公式配布するものではなく、それぞれのソフト提供者の公式配布という意味。

docker pull

docker公式配布の利用は、URLからpullすることで実現する。

docker Anaconda

anacondaが公式配布しているものを利用。

$ docker pull continuumio/anaconda3
Using default tag: latest
latest: Pulling from continuumio/anaconda3
cc1a78bfd46b: Pull complete 
314b82d3c9fe: Pull complete 
adebea299011: Pull complete 
f7baff790e81: Pull complete 
Digest: sha256:e07b9ca98ac1eeb1179dbf0e0bbcebd87701f8654878d6d8ce164d71746964d1
Status: Downloaded newer image for continuumio/anaconda3:latest

docker run

実行はdocker runである。今回はブラウザで閲覧するため-pの設定を行う。

$ docker run -it -p 8888:8888 -p 6006:6006 continuumio/anaconda3 /bin/bash
(base) root@0da2c87a513f:/#

apt

ubuntu, debianはDebian系の道具類の配布の仕組みが利用できる。
apt-getのよいところは、debianというカーネルの開発者が大勢集まっており、基本機能の整合性を厳密に取っているところにある。
通信規約の改良にあたって、Linuxのカーネルに手を入れる必要があったときに、ソースをaptで導入し、patch適用後コンパイルしてもエラーなくコンパイルできて以来、linuxといえばaptが利用できるDebian系を愛用している。
Raspberry PIで有名なRaspbianもDebian系で、aptが利用できる。
そのため、dockerで作業した状況をRaspbianで再現することはとても容易である。

(base) root@0da2c87a513f:/# apt update
Ign:1 http://deb.debian.org/debian stretch InRelease
Get:2 http://security.debian.org/debian-security stretch/updates InRelease [94.3 kB]
Get:3 http://deb.debian.org/debian stretch-updates InRelease [91.0 kB]
Get:4 http://deb.debian.org/debian stretch Release [118 kB] 
Get:5 http://security.debian.org/debian-security stretch/updates/main amd64 Packages [549 kB]
Get:6 http://deb.debian.org/debian stretch-updates/main amd64 Packages.diff/Index [5164 B]
Get:7 http://deb.debian.org/debian stretch Release.gpg [2434 B]
Get:8 http://deb.debian.org/debian stretch-updates/main amd64 Packages 2018-07-20-2027.50.pdiff [1134 B]
Get:9 http://deb.debian.org/debian stretch-updates/main amd64 Packages 2018-07-31-2010.17.pdiff [1388 B]
Get:9 http://deb.debian.org/debian stretch-updates/main amd64 Packages 2018-07-31-2010.17.pdiff [1388 B]
Get:10 http://deb.debian.org/debian stretch/main amd64 Packages [9500 kB]
Fetched 10.4 MB in 27s (380 kB/s) 
Reading package lists... Done

git

本にあるURLからgitで取得する。

(base) root@b789c278e622:/# git clone https://github.com/oreilly-japan/ml-at-work.git

conda install

pythonには、pipというpythonのライブラリ等を導入する仕組みがある。
今回は、condaというanaconda専用のライブラリ導入の仕組みを利用してみる。

conda install tensorflow

(base) root@5a5136f16eab:/handson-ml# conda install tensorflow
Solving environment: done

## Package Plan ##

 environment location: /opt/conda

 added / updated specs: 
 - tensorflow


The following packages will be downloaded:

 package | build
 ---------------------------|-----------------
 jdcal-1.4 | py36_0 11 KB
 multipledispatch-0.6.0 | py36_0 21 KB


（中略）

 patsy-0.5.0 | py36_0 322 KB
 sphinxcontrib-websupport-1.1.0| py36_1 36 KB
 astroid-2.0.4 | py36_0 247 KB
 ------------------------------------------------------------
 Total: 339.6 MB

The following NEW packages will be INSTALLED:

 _tflow_select: 2.3.0-mkl 
 absl-py: 0.5.0-py36_0 
 astor: 0.7.1-py36_0 
 gast: 0.2.0-py36_0 
 grpcio: 1.12.1-py36hdbcaa40_0 
 keras-applications: 1.0.6-py36_0 
 keras-preprocessing: 1.0.5-py36_0 
 libprotobuf: 3.6.0-hdbcaa40_0 
 markdown: 2.6.11-py36_0 
 protobuf: 3.6.0-py36hf484d3e_0 
 tensorboard: 1.11.0-py36hf484d3e_0 
 tensorflow: 1.11.0-mkl_py36ha6f0bda_0
 tensorflow-base: 1.11.0-mkl_py36h3c3e929_0
 termcolor: 1.1.0-py36_1 
 typed-ast: 1.1.0-py36h14c3975_0 

The following packages will be REMOVED:

 anaconda: 5.3.0-py37_0 

The following packages will be UPDATED:

 _ipyw_jlab_nb_ext_conf: 0.1.0-py37_0 --> 0.1.0-py36_0 
 alabaster: 0.7.11-py37_0 --> 0.7.11-py36_0 
 anaconda-client: 1.7.2-py37_0 --> 1.7.2-py36_0 
 anaconda-navigator: 1.9.2-py37_0 --> 1.9.2-py36_0 
 anaconda-project: 0.8.2-py37_0 --> 0.8.2-py36_0 
 appdirs: 1.4.3-py37h28b3542_0 --> 1.4.3-py36h28b3542_0 
 asn1crypto: 0.24.0-py37_0 --> 0.24.0-py36_0 
 astroid: 2.0.4-py37_0 --> 2.0.4-py36_0 
 astropy: 3.0.4-py37h14c3975_0 --> 3.0.4-py36h14c3975_0 
 atomicwrites: 1.2.1-py37_0 --> 1.2.1-py36_0 
 attrs: 18.2.0-py37h28b3542_0 --> 18.2.0-py36h28b3542_0 
 automat: 0.7.0-py37_0 --> 0.7.0-py36_0 
 babel: 2.6.0-py37_0 --> 2.6.0-py36_0 
 backcall: 0.1.0-py37_0 --> 0.1.0-py36_0 
 backports: 1.0-py37_1 --> 1.0-py36_1 
 backports.shutil_get_terminal_size: 1.0.0-py37_2 --> 1.0.0-py36_2 
 beautifulsoup4: 4.6.3-py37_0 --> 4.6.3-py36_0 
 bitarray: 0.8.3-py37h14c3975_0 --> 0.8.3-py36h14c3975_0 
 bkcharts: 0.2-py37_0 --> 0.2-py36_0 
 blaze: 0.11.3-py37_0 --> 0.11.3-py36_0 
 bleach: 2.1.4-py37_0 --> 2.1.4-py36_0 
 bokeh: 0.13.0-py37_0 --> 0.13.0-py36_0 
 boto: 2.49.0-py37_0 --> 2.49.0-py36_0 
 bottleneck: 1.2.1-py37h035aef0_1 --> 1.2.1-py36h035aef0_1 
 certifi: 2018.8.24-py37_1 --> 2018.8.24-py36_1 
 cffi: 1.11.5-py37he75722e_1 --> 1.11.5-py36he75722e_1 
 chardet: 3.0.4-py37_1 --> 3.0.4-py36_1 
 click: 6.7-py37_0 --> 7.0-py36_0 
 cloudpickle: 0.5.5-py37_0 --> 0.5.6-py36_0 
 clyent: 1.2.2-py37_1 --> 1.2.2-py36_1 
 colorama: 0.3.9-py37_0 --> 0.3.9-py36_0 
 conda: 4.5.11-py37_0 --> 4.5.11-py36_0 
 conda-build: 3.15.1-py37_0 --> 3.15.1-py36_0 
 constantly: 15.1.0-py37h28b3542_0 --> 15.1.0-py36h28b3542_0 
 contextlib2: 0.5.5-py37_0 --> 0.5.5-py36_0 
 cryptography: 2.3.1-py37hc365091_0 --> 2.3.1-py36hc365091_0 
 cycler: 0.10.0-py37_0 --> 0.10.0-py36_0 
 cython: 0.28.5-py37hf484d3e_0 --> 0.28.5-py36hf484d3e_0 
 cytoolz: 0.9.0.1-py37h14c3975_1 --> 0.9.0.1-py36h14c3975_1 
 dask: 0.19.1-py37_0 --> 0.19.2-py36_0 
 dask-core: 0.19.1-py37_0 --> 0.19.2-py36_0 
 datashape: 0.5.4-py37_1 --> 0.5.4-py36_1 
 decorator: 4.3.0-py37_0 --> 4.3.0-py36_0 
 defusedxml: 0.5.0-py37_1 --> 0.5.0-py36_1 
 distributed: 1.23.1-py37_0 --> 1.23.2-py36_0 
 docutils: 0.14-py37_0 --> 0.14-py36_0 
 entrypoints: 0.2.3-py37_2 --> 0.2.3-py36_2 
 et_xmlfile: 1.0.1-py37_0 --> 1.0.1-py36_0 
 fastcache: 1.0.2-py37h14c3975_2 --> 1.0.2-py36h14c3975_2 
 filelock: 3.0.8-py37_0 --> 3.0.8-py36_0 
 flask: 1.0.2-py37_1 --> 1.0.2-py36_1 
 flask-cors: 3.0.6-py37_0 --> 3.0.6-py36_0 
 gevent: 1.3.6-py37h7b6447c_0 --> 1.3.6-py36h7b6447c_0 
 glob2: 0.6-py37_0 --> 0.6-py36_1 
 gmpy2: 2.0.8-py37h10f8cd9_2 --> 2.0.8-py36h10f8cd9_2 
 greenlet: 0.4.15-py37h7b6447c_0 --> 0.4.15-py36h7b6447c_0 
 h5py: 2.8.0-py37h989c5e5_3 --> 2.8.0-py36h989c5e5_3 
 heapdict: 1.0.0-py37_2 --> 1.0.0-py36_2 
 html5lib: 1.0.1-py37_0 --> 1.0.1-py36_0 
 hyperlink: 18.0.0-py37_0 --> 18.0.0-py36_0 
 idna: 2.7-py37_0 --> 2.7-py36_0 
 imageio: 2.4.1-py37_0 --> 2.4.1-py36_0 
 imagesize: 1.1.0-py37_0 --> 1.1.0-py36_0 
 incremental: 17.5.0-py37_0 --> 17.5.0-py36_0 
 ipykernel: 4.9.0-py37_1 --> 5.0.0-py36h39e3cac_0 
 ipython: 6.5.0-py37_0 --> 7.0.1-py36h39e3cac_0 
 ipython_genutils: 0.2.0-py37_0 --> 0.2.0-py36_0 
 ipywidgets: 7.4.1-py37_0 --> 7.4.2-py36_0 
 isort: 4.3.4-py37_0 --> 4.3.4-py36_0 
 itsdangerous: 0.24-py37_1 --> 0.24-py36_1 
 jdcal: 1.4-py37_0 --> 1.4-py36_0 
 jedi: 0.12.1-py37_0 --> 0.12.1-py36_0 
 jeepney: 0.3.1-py37_0 --> 0.4-py36_0 
 jinja2: 2.10-py37_0 --> 2.10-py36_0 
 jsonschema: 2.6.0-py37_0 --> 2.6.0-py36_0 
 jupyter: 1.0.0-py37_7 --> 1.0.0-py36_7 
 jupyter_client: 5.2.3-py37_0 --> 5.2.3-py36_0 
 jupyter_console: 5.2.0-py37_1 --> 5.2.0-py36_1 
 jupyter_core: 4.4.0-py37_0 --> 4.4.0-py36_0 
 jupyterlab: 0.34.9-py37_0 --> 0.34.12-py36_0 
 jupyterlab_launcher: 0.13.1-py37_0 --> 0.13.1-py36_0 
 keyring: 13.2.1-py37_0 --> 13.2.1-py36_0 
 kiwisolver: 1.0.1-py37hf484d3e_0 --> 1.0.1-py36hf484d3e_0 
 lazy-object-proxy: 1.3.1-py37h14c3975_2 --> 1.3.1-py36h14c3975_2 
 llvmlite: 0.24.0-py37hdbcaa40_0 --> 0.25.0-py36hd408876_0 
 locket: 0.2.0-py37_1 --> 0.2.0-py36_1 
 lxml: 4.2.5-py37hefd8a0e_0 --> 4.2.5-py36hefd8a0e_0 
 markupsafe: 1.0-py37h14c3975_1 --> 1.0-py36h14c3975_1 
 matplotlib: 2.2.3-py37hb69df0a_0 --> 3.0.0-py36h5429711_0 
 mccabe: 0.6.1-py37_1 --> 0.6.1-py36_1 
 mistune: 0.8.3-py37h14c3975_1 --> 0.8.3-py36h14c3975_1 
 mkl-service: 1.1.2-py37h90e4bf4_5 --> 1.1.2-py36h90e4bf4_5 
 mkl_fft: 1.0.4-py37h4414c95_1 --> 1.0.6-py36h7dd41cf_0 
 mkl_random: 1.0.1-py37h4414c95_1 --> 1.0.1-py36h4414c95_1 
 more-itertools: 4.3.0-py37_0 --> 4.3.0-py36_0 
 mpmath: 1.0.0-py37_2 --> 1.0.0-py36_2 
 msgpack-python: 0.5.6-py37h6bb024c_1 --> 0.5.6-py36h6bb024c_1 
 multipledispatch: 0.6.0-py37_0 --> 0.6.0-py36_0 
 navigator-updater: 0.2.1-py37_0 --> 0.2.1-py36_0 
 nbconvert: 5.4.0-py37_1 --> 5.4.0-py36_1 
 nbformat: 4.4.0-py37_0 --> 4.4.0-py36_0 
 networkx: 2.1-py37_0 --> 2.2-py36_1 
 nltk: 3.3.0-py37_0 --> 3.3.0-py36_0 
 nose: 1.3.7-py37_2 --> 1.3.7-py36_2 
 notebook: 5.6.0-py37_0 --> 5.7.0-py36_0 
 numba: 0.39.0-py37h04863e7_0 --> 0.40.0-py36h962f231_0 
 numexpr: 2.6.8-py37hd89afb7_0 --> 2.6.8-py36hd89afb7_0 
 numpy: 1.15.1-py37h1d66e8a_0 --> 1.15.2-py36h1d66e8a_1 
 numpy-base: 1.15.1-py37h81de0dd_0 --> 1.15.2-py36h81de0dd_1 
 numpydoc: 0.8.0-py37_0 --> 0.8.0-py36_0 
 odo: 0.5.1-py37_0 --> 0.5.1-py36_0 
 olefile: 0.46-py37_0 --> 0.46-py36_0 
 openpyxl: 2.5.6-py37_0 --> 2.5.8-py36_0 
 packaging: 17.1-py37_0 --> 18.0-py36_0 
 pandas: 0.23.4-py37h04863e7_0 --> 0.23.4-py36h04863e7_0 
 pandocfilters: 1.4.2-py37_1 --> 1.4.2-py36_1 
 parso: 0.3.1-py37_0 --> 0.3.1-py36_0 
 partd: 0.3.8-py37_0 --> 0.3.8-py36_0 
 path.py: 11.1.0-py37_0 --> 11.1.0-py36_0 
 pathlib2: 2.3.2-py37_0 --> 2.3.2-py36_0 
 patsy: 0.5.0-py37_0 --> 0.5.0-py36_0 
 pep8: 1.7.1-py37_0 --> 1.7.1-py36_0 
 pexpect: 4.6.0-py37_0 --> 4.6.0-py36_0 
 pickleshare: 0.7.4-py37_0 --> 0.7.5-py36_0 
 pillow: 5.2.0-py37heded4f4_0 --> 5.3.0-py36h34e0f95_0 
 pip: 10.0.1-py37_0 --> 10.0.1-py36_0 
 pkginfo: 1.4.2-py37_1 --> 1.4.2-py36_1 
 pluggy: 0.7.1-py37h28b3542_0 --> 0.7.1-py36h28b3542_0 
 ply: 3.11-py37_0 --> 3.11-py36_0 
 prometheus_client: 0.3.1-py37h28b3542_0 --> 0.3.1-py36h28b3542_0 
 prompt_toolkit: 1.0.15-py37_0 --> 2.0.5-py36_0 
 psutil: 5.4.7-py37h14c3975_0 --> 5.4.7-py36h14c3975_0 
 ptyprocess: 0.6.0-py37_0 --> 0.6.0-py36_0 
 py: 1.6.0-py37_0 --> 1.6.0-py36_0 
 pyasn1: 0.4.4-py37h28b3542_0 --> 0.4.4-py36h28b3542_0 
 pyasn1-modules: 0.2.2-py37_0 --> 0.2.2-py36_0 
 pycodestyle: 2.4.0-py37_0 --> 2.4.0-py36_0 
 pycosat: 0.6.3-py37h14c3975_0 --> 0.6.3-py36h14c3975_0 
 pycparser: 2.18-py37_1 --> 2.19-py36_0 
 pycrypto: 2.6.1-py37h14c3975_9 --> 2.6.1-py36h14c3975_9 
 pycurl: 7.43.0.2-py37hb7f436b_0 --> 7.43.0.2-py36hb7f436b_0
 pyflakes: 2.0.0-py37_0 --> 2.0.0-py36_0 
 pygments: 2.2.0-py37_0 --> 2.2.0-py36_0 
 pylint: 2.1.1-py37_0 --> 2.1.1-py36_0 
 pyodbc: 4.0.24-py37he6710b0_0 --> 4.0.24-py36he6710b0_0 
 pyopenssl: 18.0.0-py37_0 --> 18.0.0-py36_0 
 pyparsing: 2.2.0-py37_1 --> 2.2.1-py36_0 
 pyqt: 5.9.2-py37h05f1152_2 --> 5.9.2-py36h05f1152_2 
 pysocks: 1.6.8-py37_0 --> 1.6.8-py36_0 
 pytables: 3.4.4-py37ha205bf6_0 --> 3.4.4-py36ha205bf6_0 
 pytest: 3.8.0-py37_0 --> 3.8.1-py36_0 
 pytest-arraydiff: 0.2-py37h39e3cac_0 --> 0.2-py36h39e3cac_0 
 pytest-astropy: 0.4.0-py37_0 --> 0.4.0-py36_0 
 pytest-doctestplus: 0.1.3-py37_0 --> 0.1.3-py36_0 
 pytest-openfiles: 0.3.0-py37_0 --> 0.3.0-py36_0 
 pytest-remotedata: 0.3.0-py37_0 --> 0.3.0-py36_0 
 python-dateutil: 2.7.3-py37_0 --> 2.7.3-py36_0 
 pytz: 2018.5-py37_0 --> 2018.5-py36_0 
 pywavelets: 1.0.0-py37hdd07704_0 --> 1.0.1-py36hdd07704_0 
 pyyaml: 3.13-py37h14c3975_0 --> 3.13-py36h14c3975_0 
 pyzmq: 17.1.2-py37h14c3975_0 --> 17.1.2-py36h14c3975_0 
 qtawesome: 0.4.4-py37_0 --> 0.5.0-py36_0 
 qtconsole: 4.4.1-py37_0 --> 4.4.1-py36_0 
 qtpy: 1.5.0-py37_0 --> 1.5.1-py36_0 
 requests: 2.19.1-py37_0 --> 2.19.1-py36_0 
 rope: 0.11.0-py37_0 --> 0.11.0-py36_0 
 ruamel_yaml: 0.15.46-py37h14c3975_0 --> 0.15.46-py36h14c3975_0 
 scikit-image: 0.14.0-py37hf484d3e_1 --> 0.14.0-py36hf484d3e_1 
 scikit-learn: 0.19.2-py37h4989274_0 --> 0.20.0-py36h4989274_1 
 scipy: 1.1.0-py37hfa4b5c9_1 --> 1.1.0-py36hfa4b5c9_1 
 seaborn: 0.9.0-py37_0 --> 0.9.0-py36_0 
 secretstorage: 3.1.0-py37_0 --> 3.1.0-py36_0 
 send2trash: 1.5.0-py37_0 --> 1.5.0-py36_0 
 service_identity: 17.0.0-py37h28b3542_0 --> 17.0.0-py36h28b3542_0 
 setuptools: 40.2.0-py37_0 --> 40.4.3-py36_0 
 simplegeneric: 0.8.1-py37_2 --> 0.8.1-py36_2 
 singledispatch: 3.4.0.3-py37_0 --> 3.4.0.3-py36_0 
 sip: 4.19.8-py37hf484d3e_0 --> 4.19.8-py36hf484d3e_0 
 six: 1.11.0-py37_1 --> 1.11.0-py36_1 
 snowballstemmer: 1.2.1-py37_0 --> 1.2.1-py36_0 
 sortedcollections: 1.0.1-py37_0 --> 1.0.1-py36_0 
 sortedcontainers: 2.0.5-py37_0 --> 2.0.5-py36_0 
 sphinx: 1.7.9-py37_0 --> 1.8.1-py36_0 
 sphinxcontrib: 1.0-py37_1 --> 1.0-py36_1 
 sphinxcontrib-websupport: 1.1.0-py37_1 --> 1.1.0-py36_1 
 spyder: 3.3.1-py37_1 --> 3.3.1-py36_1 
 spyder-kernels: 0.2.6-py37_0 --> 0.2.6-py36_0 
 sqlalchemy: 1.2.11-py37h7b6447c_0 --> 1.2.12-py36h7b6447c_0 
 statsmodels: 0.9.0-py37h035aef0_0 --> 0.9.0-py36h035aef0_0 
 sympy: 1.2-py37_0 --> 1.3-py36_0 
 tblib: 1.3.2-py37_0 --> 1.3.2-py36_0 
 terminado: 0.8.1-py37_1 --> 0.8.1-py36_1 
 testpath: 0.3.1-py37_0 --> 0.4.1-py36_0 
 toolz: 0.9.0-py37_0 --> 0.9.0-py36_0 
 tornado: 5.1-py37h14c3975_0 --> 5.1.1-py36h7b6447c_0 
 tqdm: 4.26.0-py37h28b3542_0 --> 4.26.0-py36h28b3542_0 
 traitlets: 4.3.2-py37_0 --> 4.3.2-py36_0 
 twisted: 18.7.0-py37h14c3975_1 --> 18.7.0-py36h14c3975_1 
 unicodecsv: 0.14.1-py37_0 --> 0.14.1-py36_0 
 urllib3: 1.23-py37_0 --> 1.23-py36_0 
 wcwidth: 0.1.7-py37_0 --> 0.1.7-py36_0 
 webencodings: 0.5.1-py37_1 --> 0.5.1-py36_1 
 werkzeug: 0.14.1-py37_0 --> 0.14.1-py36_0 
 wheel: 0.31.1-py37_0 --> 0.32.0-py36_0 
 widgetsnbextension: 3.4.1-py37_0 --> 3.4.2-py36_0 
 wrapt: 1.10.11-py37h14c3975_2 --> 1.10.11-py36h14c3975_2 
 xlrd: 1.1.0-py37_1 --> 1.1.0-py36_1 
 xlsxwriter: 1.1.0-py37_0 --> 1.1.1-py36_0 
 xlwt: 1.3.0-py37_0 --> 1.3.0-py36_0 
 zict: 0.1.3-py37_0 --> 0.1.3-py36_0 
 zope: 1.0-py37_1 --> 1.0-py36_1 
 zope.interface: 4.5.0-py37h14c3975_0 --> 4.5.0-py36h14c3975_0 

The following packages will be DOWNGRADED:

 python: 3.7.0-hc3d631a_0 --> 3.6.6-hc3d631a_0 

Proceed ([y]/n)? y


Downloading and Extracting Packages
jdcal-1.4 | 11 KB | ######################################################################## | 100% 
multipledispatch-0.6 | 21 KB | ######################################################################## | 100% 

(中略)

patsy-0.5.0 | 322 KB | ######################################################################## | 100% 
sphinxcontrib-websup | 36 KB | ######################################################################## | 100% 
astroid-2.0.4 | 247 KB | ######################################################################## | 100% 
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

#3. docker hub 登録
ここからは、新たにソフトを導入したdockerを自分のhubに登録する方法です。
ご自身で何かソフトウェアを導入されたら、ぜひhubに登録することをお勧めします。

docker hubへのID登録が必要になります。

続きの作業を誰かに依頼したり、エラーがでてわからなくなったときに、対処方法を問い合わせるのにも役立ちます。
kaizenjapanは小川清のIDです。ご自身のIDで読み替えて、ご登録ください。

docker push

$ docker ps 
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
5a5136f16eab continuumio/anaconda3 "/usr/bin/tini -- /b…" 2 hours ago 
peaceful_noice

$ docker commit 5a5136f16eab kaizenjapan/anaconda-handson
sha256:4c4291a744d335cba469307e8c71e174eb0d25afed02055059bd9654926c80f2
$ docker push kaizenjapan/anaconda-handson
The push refers to repository [docker.io/kaizenjapan/anaconda-handson]
40b1bd665ba4: Pushing 46.21MB/2.017GB
513109f92bd0: Mounted from kaizenjapan/anaconda-pythonai 
443496790d0d: Mounted from kaizenjapan/anaconda-pythonai 
64e142099cde: Mounted from kaizenjapan/anaconda-pythonai 
b28ef0b6fef8: Mounted from kaizenja

4. 参考資料(reference)

dockerで機械学習一覧
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

docker どっかーら、どーやってもエラーばっかり。
https://qiita.com/kaizen_nagoya/items/690d806a4760d9b9e040

dockerでpython
https://hub.docker.com/r/continuumio/anaconda3/~/dockerfile/

ローカル環境をよごさずに Jupyter で python コードが動く環境を手軽につくる方法
https://qiita.com/yaiwase/items/3a58313e028315004a56

Anaconda の JupyterLab を Docker で使う
https://qiita.com/ao_log/items/350a3845d49f4b1d7198

機械学習を半自動化するauto-sklearnの環境構築（Mac&Docker）
https://qiita.com/inoue0426/items/ffd7f4235dcfde88942b

dockerで機械学習 with anaconda 一覧
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

dockerで機械学習 with anaconda(1)「ゼロから作るDeep Learning - Pythonで学ぶディープラーニングの理論と実装」斎藤康毅著
https://qiita.com/kaizen_nagoya/items/a7e94ef6dca128d035ab

dockerで機械学習with anaconda(2)「ゼロから作るDeep Learning2自然言語処理編」斎藤康毅著
https://qiita.com/kaizen_nagoya/items/3b80dfc76933cea522c6

dockerで機械学習 with anaconda(3)「直感Deep Learning」Antonio Gulli、Sujit Pal　第1章,第2章
https://qiita.com/kaizen_nagoya/items/483ae708c71c88419c32

「名古屋のIoTは名古屋のOSで」Dockerをどっかーらどうやって使えばいいんでしょう。TOPPERS/FMP on RaspberryPi with Macintosh編５つの関門
https://qiita.com/kaizen_nagoya/items/9c46c6da8ceb64d2d7af

64bitCPUへの道 and/or 64歳の決意
https://qiita.com/kaizen_nagoya/items/cfb5ffa24ded23ab3f60

ゼロから作るDeepLearning２自然言語処理編　読書会の進め方（例）
https://qiita.com/kaizen_nagoya/items/025eb3f701b36209302e

Docker for windows

BIOSでInte Virtualization をenableにしていないと動作しないことを書いていない記事が多い。なぜかは調査中。

今更Docker for Windowsをインストールしたのでその備忘録
https://qiita.com/toro_ponz/items/d66d5571c4646ad33279

Docker for Windowsで起動時に「Docker for Windows - Access denied」と表示される場合の対処法
https://qiita.com/toro_ponz/items/d75706a3039f00ba1205

Windows 10 Hyper-Vユーザに送るDockerの解説
https://qiita.com/banban525/items/48aec05671c3c77d454a

Docker for WindowsでDockerを学ぶ (バージョンCE 17.06.2)
https://qiita.com/rubytomato@github/items/eec2118e89ee9bd8d17a

Docker for Windows をインストールする
https://qiita.com/centipede/items/f8d77b66343ef5096eee

Windows 10(Surface)にDocker for Windowsをインストール
https://qiita.com/chakimar/items/868298096ebf9186d690

URL: https://qiita.com/kaizen_nagoya/items/140428dfce7e3234ceb7