ananyak8srenci/autoencoder-copd-demo

镜像概述

本镜像为容器化的自编码器代码基础版本，基于JupyterHub的TensorFlow Notebook构建，已包含分析所需的依赖包，支持用户通过Conda安装额外库，可独立运行或部署在Kubernetes集群的JupyterHub环境中，用于COPD基因数据的机器学习分析演示。

核心功能

1. 提供COPD基因数据分析的Jupyter Notebook演示代码（位于Autoencoder_DL文件夹）
2. 支持独立启动Jupyter Notebook并获取认证token登录
3. 兼容Kubernetes集群的JupyterHub部署（需修改Helm配置文件）
4. 支持非特权用户运行（默认针对uid=1000的jovyan用户）

使用场景

1. 科研人员快速测试COPD基因数据的自编码器分析流程
2. 教学场景中展示容器化机器学习在生物信息学的应用
3. 验证本地或Kubernetes环境下Jupyter Notebook的容器化部署

配置说明

独立运行示例

1. 拉取镜像：docker pull ananyak8srenci/autoencoder-copd-demo:1d33030cef16
2. 启动容器并获取token：

   bash
   # 方式一：直接运行获取token
   docker run -i ananyak8srenci/autoencoder-copd-demo:71cd1bebabbb
   # 方式二：后台运行并获取token
   docker run -d -p 8888:8888 ananyak8srenci/autoencoder-copd-demo:71cd1bebabbb
   docker ps -a # 获取容器ID
   docker exec -t -i <容器ID> /bin/bash
   jupyter notebook list # 查看认证token
   

3. 访问http://localhost:8888，输入token登录，运行Autoencoder_DL文件夹中的COPDG_random.ipynb测试。

Kubernetes部署说明

修改与Helm配合使用的Config.yaml文件（JupyterHub Helm Chart），注意镜像1d33030cef16使用/home/$NB_UID（而非/home/$NB_USER）切换到非特权用户，默认仅支持uid=1000的jovyan用户，其他用户需添加对应uid配置。

注意事项

• 完整运行COPD_demo.ipynb需访问COPDgene数据，需将代码中的/home/random/xyz.dcm替换为实际COPDgene批次文件路径（如/home/efs/copdgene/COPDgene_batch_）。
• 资源要求：推荐使用AWS EC2实例类型（t2.large、t2.2xlarge、p2.xlarge），用户存储空间可扩展，共享EFS大小为8 EiB。