Docker × Jupyter × VS Codeで機械学習環境を構築する

2025年6月26日

Dockerで機械学習環境を簡単構築！VS CodeとJupyterを組み合わせて、チーム全員が同じ環境で開発できる方法を解説。環境の違いで悩まされることなく、すぐに機械学習の実験に集中できる実用的なセットアップ手順を初心者向けに分かりやすく紹介します。

はじめに

機械学習の実験をしていると、「動いたはずのノートブックが別の PC では動かない」 という経験は誰しもあるはずです。そこで登場するのが Docker × VS Code Dev Containersです。Dockerコンテナに Jupyter Lab を丸ごと詰め込み、リポジトリごと共有すれば

git clone → Reopen in Container → 実行

だけで“まったく同じ”環境に立てるという再現性を手に入れられます。

本稿では、公式イメージ jupyter/datascience-notebook:python-3.11 をベースに VS Code から一発で立ち上がる構成をゼロから作成する手順を解説します。

参考にした記事

[blogcard url=”https://note.com/k_fukunaka/n/nabb5cd028595#ba990735-e887-40ba-a864-54eec6893a9b”]

事前準備

あらかじめ、Docker Desktop と Visual Studio Code (VS Code) のインストールが必要です。

さらに、VS Code で Docker と Dev Containers の拡張機能をインストールしてください。

プロジェクト全体像

ここでは”my-project”というディレクトリを作成します。ディレクトリ名は適宜変更してください。

my-project/
├── .devcontainer/        # ← VS Code が読む定義一式
│   ├── Dockerfile
│   ├── docker-compose.yml
│   ├── devcontainer.json
│   └── requirements.txt  # ← Python 依存をまとめる
└── work/                 # ← ノートブック／コードを置く作業ディレクトリ

.devcontainer/ を Git で共有すれば、メンバーは 「git clone → Reopen in Container」 だけで同一環境に入れます（Docker Compose サービスも自動起動）。

プロジェクトを作成

mkdir -p ~/my-docker/my-project/.devcontainer
cd ~/my-docker/my-project
mkdir work
cd .devcontainer

以降のファイルはすべて .devcontainer/ 配下に配置します。

Dockerfileを作成

次のコマンドでDockerfileを作成します。

touch Dockerfile

.devcontainer/Dockerfileの内容：

# ── ❶ ベースイメージ ────────────────────────────
FROM jupyter/datascience-notebook:python-3.11

# ── ❷ タイムゾーン・ロケール（日本なら入れると便利）──
USER root
ENV TZ=Asia/Tokyo
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone
USER jovyan

# ── ❸ OS パッケージ（apt）を追加したい場合 ──────────
# RUN apt-get update && \\
#     apt-get install -y --no-install-recommends \\
#         libgl1-mesa-glx  && \\
#     apt-get clean && rm -rf /var/lib/apt/lists/*

# ── ❹ Python パッケージ（Pip/Poetry/Conda どれでも可）──
COPY requirements.txt /tmp/requirements.txt
RUN pip install --no-cache-dir -r /tmp/requirements.txt

なぜ jupyter/datascience-notebook？

[Jupyter Docker Stacks] の公式イメージで Pandas / NumPy / scikit-learn / matplotlib 等が一通り入り、試験も毎週 CI で回っています。
必要に応じて CUDA 対応イメージ（cuda12-python-3.11 など）へ差し替えるだけで GPU も即利用できます。
- 参考：jupyter-docker-stacks.readthedocs.io

requirements.txt を作成

.devcontainer/requirements.txt にPythonライブラリを列挙します。

最低限の例：

numpy==1.26.4
pandas==2.2.2
matplotlib==3.9.2
matplotlib-inline==0.1.7
scikit-learn==1.5.1

docker-compose.yml を作成

例として、以下のように.devcontainer/docker-compose.ymlを記述します。

services:
  notebook:
    build: .
    container_name: myproject-jupyter
    # ❶ ホスト⇆コンテナのファイル共有
    volumes:
      - ../work:/home/jovyan/work
    # ❷ Jupyter を公開するポート
    ports:
      - "8888:8888"
    # ❸ Notebook UI を JupyterLab に固定
    environment:
      JUPYTER_ENABLE_LAB: "yes"
    # ❹ MacSilicon で Intel イメージを動かすとき
    # platform: linux/amd64

devcontainer.json を作成

{
  "name": "My-Jupyter-DevContainer",
  // ❶ Compose ファイルとサービス名
  "dockerComposeFile": "docker-compose.yml",
  "service": "notebook",
  // ❷ どのフォルダを“ワークスペース”として見せるか
  "workspaceFolder": "/home/jovyan/work",
  "remoteUser": "jovyan",
  // ❸ VS Code の拡張を自動インストール
  "customizations": {
    "vscode": {
      "extensions": [
        "ms-python.python",
        "ms-toolsai.jupyter",
        "ms-azuretools.vscode-docker"
      ],
      "settings": {
        "python.defaultInterpreterPath": "/opt/conda/bin/python"
      }
    }
  },
  // ❹ ビルド後に一度だけ実行
  "postCreateCommand": "pip check",
  // ❺ dotfiles / GitHub Codespaces 互換
  "features": {}
}

dockerComposeFile と service のペアを指定することで、VS Code は Compose up → attach → Workspace open まで自動化してくれます。

コンテナを起動して入る

1: Dev Container へ接続

プロジェクトを VS Code で開き、コマンドパレット ⌘⇧P → Dev Containers: Reopen in Container を実行。ステータスバー左端が >< Dev Container: に変われば接続完了です。

2: 拡張機能の自動インストール

devcontainer.json の customizations に列挙した Python / Jupyter / Docker 拡張が自動で導入され、完了後に VS Code が再読み込みされます。左側の Activity Bar に “Jupyter” アイコンが現れることを確認してください。

3: ノートブックの作成・オープン

新規作成 はエクスプローラーで + New Jupyter Notebook を選択。既存ノートは work/ 内の .ipynb ファイルをダブルクリックして開きます。

4: カーネルを確認・切り替え

ノート右上の Kernel 表示が Python 3.x (myproject-jupyter) になっているか確認しましょう。違う場合はクリックして Select Kernel → Python 3 (ipykernel) を選択します。

5: セルの実行

コードを入力して Shift Enter。実行中は行番号左に *、終了すると実行時間が表示されます。