点击上方关注，All in AI中国
Kaggle、TensorFlow、PyTorch、MxNet等等只需这几步！
使用datmo在一分钟内完成新的TensorFlow项目设置
无论您是第一次设置TensorFlow的新手数据科学爱好者，还是使用TB级数据的经验丰富的AI工程师，在安装库、软件包和框架的时候总会这样或那样的问题。
虽然像Docker这样的集装箱化工具真正彻底改变了软件的可重复性，但它们还没有在数据科学和人工智能社区中流行起来。随着不断发展的机器学习框架和算法，很难花时间专注于去学习另一个开发人员工具，尤其是那些与模型构建过程没有直接关联的工具。
在这篇博文中，我将向您展示如何使用一个名为datmo的简单python包为任何流行的数据科学和AI框架设置环境，只需几个简单的步骤。 Datmo充分利用了Docker，简化了流程，帮助您快速轻松地运行。
0.先决条件
- 安装并启动Docker
- （如果使用GPU）安装CUDA 9.0
1.安装datmo
就像任何python包一样，我们可以使用以下命令从终端安装datmo：
2.初始化datmo项目
在终端中，cd到要开始构建模型的文件夹。然后，输入以下命令：
然后，您将被要求提供项目的名称和描述——你可以随意命名。
3.启动环境设置
在输入名称和描述后，datmo将询问您是否要设置环境——打出y并按下Enter键。
4.选择系统驱动程序（CPU或GPU）
然后，CLI将询问您希望为您的环境选择哪些系统驱动程序？如果您不打算使用GPU，可以选择CPU。
选择系统驱动
5.选择一个环境
接下来，您将从众多预打包环境中选择一种。只需在提示中回复您要使用的环境的编号或ID。
选择一个环境
6.选择语言版本（如果适用）
上述许多环境都有不同的版本，具体取决于您计划使用的语言和版本。
例如，在选择了keras-tensorflow环境之后，我将面临以下提示，询问我是否要使用Python 2.7或Python 3.5。
选择语言版本
7.启动工作区
您已经正确选择了您的环境，现在是时候启动您的工作区了。选择您要使用的工作区，然后在终端中输入相应的命令。
Jupyter笔记本 - $ datmo notebook
JupyterLab - $ datmo jupyterlab
RStudio - $ datmo rstudio（在R-base环境中可用）
终端 - $ datmo terminal
打开Jupyter笔记本并导入TensorFlow
设置好了！第一次为新环境初始化工作空间时，需要花费一些时间来获取所有资源，但在连续运行中它明显更快。
一旦您的工作区启动，您就可以开始导入包含在您选择的环境中的包和框架里了！例如，如果用户选择了keras-tensorflow环境，那么导入tensorflow将在Jupyter Notebook中开箱即用！
如果您正在使用TensorFlow，则可以从datmo文档中尝试此示例来运行您的第一个TensorFlow图。
编译出品
閱讀更多 AI中國 的文章
