时效性
本篇撰写时间为2021.12.9，由于计算机技术日新月异，博客中所有内容都有时效和版本限制，具体做法不一定总行得通，链接可能改动失效，各种软件的用法可能有修改。但是其中透露的思想往往是值得学习的。
本篇前置：
- ExpRe[3] python[0] Anaconda配置python环境
https://www.cnblogs.com/minor-second/p/15549061.html - ExpRe[17] 手动构建Docker镜像[0] 内外联通，镜像内git，tmux
https://www.cnblogs.com/minor-second/p/15640860.html
本篇是手动构建docker镜像所需技术总结之1
指定cuda版本
镜像有一个好处是方便管理不同的cuda版本
注：对于某张卡，某版本nvidia驱动，如果可以兼容多个版本的cuda，那么不妨用多个镜像管理。每个镜像中，都把驱动暴露给相应版本cuda。然而，如果该驱动本来就不兼容某版本cuda，那使用docker也没用。即镜像解决多个版本的管理问题，但不解决有无问题。
例如sudo docker run --runtime=nvidia --rm nvidia/cuda:10.0-base nvidia-smi：验证cuda:10.0镜像确实能用。
sudo docker pull nvidia/cuda:10.0-cudnn7-devel：拉取镜像
sudo docker run -it --gpus all -P --name <名称> -v <目录>:<目录> nvidia/cuda:10.0-cudnn7-devel：实例化容器，同时作目录的映射。
进入容器，在根目录find . -name *cuda-10*可以看到确实是指定版本。
准备miniconda
apt update
apt install -y vim curl git telnet tmux unzip wget
找合适的地方，wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh（当然，最推荐的是从外面拷进去或者映射。参考17期。否则可能真的很慢）
sh Miniconda3-latest-Linux-x86_64.sh，一路enter和yes
退出重进容器，发现左侧已经有(base)了。然后就是参考第3期配置.condarc等等。
可参考
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
custom_channels:
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
- 注：配置
pip源和conda大同小异，可以手动改vim ~/.pip/pip.conf，也可以
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
可以看到~/.pip/pip.conf并不是yaml语法，而是另一种配置设置语法。
创建环境，指定包版本
我们创建镜像的一大目的就是指定版本，之后可以到处迁移，避免各种兼容性问题。且以后其它地方出兼容性问题了也可以参考能用的镜像中的版本。
conda create -n <name> python=3.7
conda activate <name>
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch
然后可以conda list（或conda list | grep torch查找）确认包版本正确。
使用git clone -b指定分支并安装
有时候，直接conda或pip安装的版本（即使指定了版本号）都是不对的，只有github下指定分支才是对的。这时需要手动下载安装。
例如下面这个mmcv的指定分支（和直接pip install mmcv==0.2.8是不一样的）
git clone -b ego-topo https://github.com/lyttonhao/mmcv.git
然后在clone到的这个目录
直接用pip通过源码安装
pip install . # (add "-e" if you want to develop or modify the codes)
注：以下是README.rst里的说明。
注：如果报错没有Cython则需要pip install cython补包。
conda list | grep mm效果如下
在这个输出处，还看不出和直接pip install mmcv==0.2.8有什么区别。
但是你分别尝试两种方式装mmcv包，去/root/miniconda3/envs/<name>/lib/python3.7/site-packages/mmcv/对比会发现源码是有区别的。
总结和问答练习
- Q: 自己作分支的时候，为了做一个负责任的开发者，你不应该让
conda list | grep mm和原来看不出区别，那应该怎么做呢？
A: 在发布包时（setup.py或之类的地方）修改版本号等。
