
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
docker_anaconda3 是一个基于Anaconda3的Docker镜像,旨在简化数据科学环境的配置与部署。该镜像内置完整的Anaconda3发行版,包含conda包管理器、Python解释器及常用科学计算库,可直接用于数据科学开发、机器学习项目运行等场景,避免手动配置环境的繁琐流程。
通过以下命令启动容器并进入交互式终端:
dockerdocker run -it --name anaconda3-env docker_anaconda3 /bin/bash
-it:以交互模式运行并分配终端;--name anaconda3-env:指定容器名称为 anaconda3-env(可自定义);/bin/bash:启动后进入bash终端。进入容器后,可直接使用conda及Python:
bash# 检查conda版本 conda --version # 检查Python版本 python --version # 列出已安装的包 conda list
如需将本地文件(如代码、数据集)挂载到容器中,使用 -v 参数指定挂载路径:
dockerdocker run -it -v /本地路径:/容器内路径 --name anaconda3-env docker_anaconda3 /bin/bash
示例(挂载当前目录到容器的 /workspace):
dockerdocker run -it -v $(pwd):/workspace --name anaconda3-env docker_anaconda3 /bin/bash
容器内可通过 /workspace 访问本地文件。
若需运行Jupyter Notebook,需映射容器端口(默认8888)并配置访问权限:
dockerdocker run -it -p 8888:8888 --name anaconda3-jupyter docker_anaconda3 jupyter notebook --ip=0.0.0.0 --allow-root
-p 8888:8888:将容器8888端口映射到宿主8888端口;--ip=0.0.0.0:允许外部访问;--allow-root:允许以root用户运行Jupyter。http://localhost:8888 即可使用Jupyter。如需加速包安装,可通过环境变量配置conda镜像源(如清华镜像):
dockerdocker run -it -e CONDA_MIRROR=https://mirrors.tuna.tsinghua.edu.cn/anaconda/ --name anaconda3-env docker_anaconda3 /bin/bash
进入容器后,镜像源会自动配置,可通过 conda config --show channels 验证。
利用conda创建隔离的Python虚拟环境:
bash# 创建名为myenv的虚拟环境(Python 3.9) conda create -n myenv python=3.9 # 激活虚拟环境 conda activate myenv # 安装额外包(如TensorFlow) conda install tensorflow
exit;docker start anaconda3-env;docker exec -it anaconda3-env /bin/bash。以下是 rnakato/anaconda3 相关的常用 Docker 镜像,适用于 不同场景 等不同场景:
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。


来自真实用户的反馈,见证轩辕镜像的优质服务