dagshub/ml-workspace

dagshub/ml-workspace镜像说明

镜像概述

dagshub/ml-workspace是一个维护中的机器学习和数据科学一体化Web开发环境，基于ml-tooling/ml-workspace的fork版本。它预装了大量流行的数据科学库（如TensorFlow、PyTorch、Keras）和开发工具（如Jupyter、VS Code、TensorBoard），配置优化且集成完善，可快速部署并投入使用。

核心功能

• 支持Jupyter、JupyterLab、VS Code等Web IDE；
• 预装多种数据科学库和开发工具；
• 提供浏览器可访问的完整Linux桌面GUI；
• 无缝Git集成，优化笔记本工作流；
• 集成TensorBoard和Netdata实现硬件与训练监控；
• 支持Web、SSH、VNC等多方式访问，仅需单个端口；
• 可作为远程Jupyter内核或VS Code远程机器；
• 跨平台支持（Mac、Linux、Windows），通过Docker轻松部署。

使用场景

• 个人机器学习项目快速原型开发；
• 团队协作的ML开发环境统一配置；
• 远程访问ML开发环境，利用本地或云端资源；
• 教学或培训中的标准化ML环境搭建；
• 无需本地安装复杂依赖，直接使用预装环境。

配置说明

基本部署

快速启动

bash
docker run -p 8080:8080 dagshub/ml-workspace:latest

访问http://localhost:8080即可进入环境。

生产环境推荐命令

bash
docker run -d \
    -p 8080:8080 \
    --name "ml-workspace" -v "${PWD}:/workspace" \
    --env AUTHENTICATE_VIA_JUPYTER="mytoken" \
    --shm-size 512m \
    --restart always \
    dagshub/ml-workspace:latest

此命令后台运行容器，挂载当前目录到/workspace，设置认证token，配置共享内存并开机自启。

关键配置选项

通过环境变量（--env）配置：

• AUTHENTICATE_VIA_JUPYTER：启用Jupyter token认证（推荐）；
• WORKSPACE_AUTH_USER/WORKSPACE_AUTH_PASSWORD：启用Basic认证；
• WORKSPACE_SSL_ENABLED：启用SSL，需挂载证书或使用自签名证书；
• --cpus/--memory：限制CPU和内存资源；
• --gpus all：GPU版本镜像启用GPU支持（需Nvidia容器工具）。

镜像变体

• minimal：最小化版本，不含大部分Python库，适合自定义安装：dagshub/ml-workspace-minimal:latest；
• r：添加R解释器、RStudio等：dagshub/ml-workspace-r:latest；
• spark：基于R版本添加Spark、Zeppelin等：dagshub/ml-workspace-spark:latest；
• gpu：支持CUDA的GPU版本：dagshub/ml-workspace-gpu:latest（需Nvidia驱动和容器工具）。

数据持久化

挂载本地目录到容器的/workspace路径，确保数据不会因容器重启丢失：

bash
docker run -p 8080:8080 -v /本地路径:/workspace dagshub/ml-workspace:latest

安全认证

推荐使用Jupyter token认证：

bash
docker run -p 8080:8080 --env AUTHENTICATE_VIA_JUPYTER="your_token" dagshub/ml-workspace:latest