根据Docker建立Image镜像并对镜像安装环境

一、生成镜像

以往的镜像在新的project上不符合，因此不得不开一个新的镜像并在其中安装环境。

docker commit -m "new_torch_env" -a "chluan" f36d4d8bf0ef

建立好了新的Image镜像，根据镜像生成一个新的docker，并在该docker里面配置环境。

二、配置环境

project里面包含environment.yaml文件，包含了环境配置。

根据官网中Anaconda配置，如下：

conda env create -f environment.yaml
conda activate mot_neural_solver

但是配置时，出现问题，只能按照主文件train.py运行查看少什么包装什么。

1. 配置镜像

清华源镜像一般来说下载比较快。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

移除清华源：

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

anaconda常用命令行

2. 安装pytorch版本和相应的CUDA版本

安装1.5.0的torch和torchvision

pip3 install torch==1.5.0 

然后发现torch跟torch-scatter的版本不符合，因此需要重新下载CUDA版本为10.1的版本的torch。

因此就重新下载bz文件，解压缩安装。

下载代码：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-1.5.0-py3.6_cuda10.1.243_cudnn7.6.3_0.tar.bz2

加压缩和加载

conda install --use-local pytorch-1.5.0-py3.6_cuda10.1.243_cudnn7.6.3_0.tar.bz2

or

pip3 install pytorch-1.5.0-py3.6_cuda10.1.243_cudnn7.6.3_0.tar.bz2

随后打开python3，输入：

import torch
print(torch.__version__,torch.cuda.is_available())

Out： 1.5.0 False

发现cuda不能用，这是通过 nvidia-smi看到CUDA版本是10.0，而代码是在10.1下使用的。

尝试安装CUDA 10.1，代码如下：

wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

sudo sh cuda_10.1.243_418.87.00_linux.run

已经有个CUDA版本，在运行时出现报错，对log文件查看后，找出原因是因为已经有了CUDA版本，为此，重新安装版本时，按照这个教程所描写，简历双CUDA系统。

4. 生成和下载cudnn(其实如果硬件支持的话，上面的操作已经可以正确安装CUDA且能够切换和运行了，但是，我遇到的问题是硬件驱动版本太低了，没办法只能换了台版本高的服务器，接下来教程是把以前的服务器的镜像挪到新的服务器中去)

注意：图中所示步骤中，第四步如果是用-i （--input）就不要再加 < 符号了

安装cudnn的教程如下：

https://blog.csdn.net/u013066730/article/details/80894063