管理 Jupyter Labs 和 Notebooks 的最佳实践

[sadhen]

Template Project: https://github.com/da-tubi/jupyterlab-best-practice

三个优点：

• Free yourself of Python virtual environment
• Reproducible because of the dependencies lock mechanism
• As Easy as bin/lab xyz to launch a JupyterLab

Hacknews （觉得可以，帮忙顶一下）: https://news.ycombinator.com/item?id=33327866

[c0xt30a]

用个 docker 就完了啊……

[sadhen]

@c0xt30a 改一个依赖，重新构建一次？

那还不如用 conda 创建虚拟环境。

[c0xt30a]

有之前的 cache ，滚动加依赖，构建起来不慢的。
依赖于主系统最大的问题是将来系统升级的时候麻烦。

[sadhen]

@c0xt30a 我大概知道你的思路了，比如新增一个依赖，就新增一个 docker 的 layer

这确实是一个不错的思路。

[sadhen]

还有一个小伙伴推荐我用 Nix 来解决这个问题。我觉得 Nix 和 Docker 都很好，就是有点杀鸡用牛刀的感觉。

[LINEX]

@c0xt30a 这个也有各种问题，我们之前有个项目依赖一些库，opencv/lightgbm 之类的，每个库都很大，有时候最顶层需要升级版本打包一次非常耗时，是不是又其他更好的容器能解决这个痛点的？

[sadhen]

@LINEX 你觉得我这个方案怎样？不会有 docker 这种额外的开销

[sadhen]

这里有一个简化版： https://www.v2ex.com/t/893320

[c0xt30a]

@LINEX 容器化是为了跟宿主系统解耦合，可以保证很多年之后这套系统依旧能用，一般用来做部署。我有很多 TF 1.x 时候写的模型现在只能在容器里运行 /训练了。 如果是当作开发环境而且经常更新，容器并不是一个合适的解决方案。个人看法。