miniconda3/envs/py38/bin/python manage.py runserver 0.0.0.0:5001
也可conda activate py38启动虚拟环境。
 
打包好的虚拟环境可用于docker中，省去了docker中重新安装依赖库可能出现安装失败，包名错误等问题。
 
根据conda环境打包成docker
 
安装docker。。。(网上找吧)
编写Dockerfile
 
FROM centos:7.9.2009
MAINTAINER changxl.
# opencv-python需要这个环境
RUN yum install libglvnd-glx -y
RUN mkdir /py38/
# 上传虚拟环境，ADD直接帮忙解压了
ADD retinafacenet.tar.gz /py38/
# 复制python工程
COPY retinafacenet/ /retinafacenet/
# 设置工作目录
WORKDIR /retinafacenet/
# 执行命令，省的docker run的时候写在最后面
CMD ["/py38/bin/python","manage.py","runserver","0.0.0.0:5001"]
上面conda环境打的包叫retinafacenet.tar.gz，解压到了/py38/目录下。retinafacenet/是我的工程目录。
 
为了保险，ADD和COPY操作到文件夹后面的斜杠一定要加，不然的话他们可能认为创建文件。这个跟docker的版本有关系。
 
注意：这么安装opencv的时候应该用pip install opencv-python！！！！conda isntal opencv似乎没法脱离conda环境调用
 
docker build -t facedetection:v1 .
经过漫长的等待，创建好后可通过docker images查看镜像，镜像名是facedetection，tag为v1。
 
镜像发布容器
 
docker run -dit -p 5001:5001 --name facedetection facedetection:v1 
根据名为facedectection，tag为v1的镜像创建名为facedetection的容器。
 
通过命令docker ps查看容器。
 
由于我们的Dockerfile中已经写了CMD了，所以发布容器的时候就不需要后面接命令了。
 
-p 这个端口映射一定要写，docker还没聪明到可以直接找到web工程运行的端口号
 
docker迁移
 
容器经过测试可用后，我们就考虑把镜像导出，迁移到服务器中进行项目部署。
 
导出docker镜像
 
docker save -o faceDetection.tar facedetiction:v1
把上面创建好的名为facedectection，tag为v1的镜像导出成faceDetection.tar。
 
docker导入本地tar构建镜像
 
docker load -i faceDetection.tar
导入成功后，可以通过docker images看到有了名为facedectection，tag为v1的镜像。
 
根据上面镜像发布容器的方式就可以run起来啦~
 
docker load有个坑
 
使用docker load时可能会报个错：
 
Error processing tar file(exit status 1): write /13a84948aa5fe97611a8528db9b26725b3d6c5023cd40940b52a887e3ab33f1a/layer.tar: no space left on device
说没有空间把这个tar包倒进来。
 
这是因为安装docker的时候没有指定安装路径。
 
解决方法：
 
查看Docker Root Dir
 
docker info |grep "Docker Root Dir"
可以看到Docker Root Dir指向的是/var/lib/docker。
 
查看一下/var的磁盘容量吧
 
df -h
确实/var有点小了。
 
修改Docker Root Dir
 
我想将Docker Root Dir修改到/data/docker，所以先创建/data/docker文件夹。
 
编辑/etc/docker/daemon.json，添加"data-root":"/data/docker"
 
vim /etc/docker/daemon.json 
按esc然后:wq保存。
 
在查看一下Docker Root Dir，发现已经改到/data/docker了。
 
重启docker服务
 
systemctl restart docker
再去执行docker load就可以了。
                    linux根据本地conda虚拟环境进行docker部署conda环境迁移安装conda pack1. conda install conda-pack2. pip install conda-pack环境打包conda pack -n py38 -o retinafacenet.tar.gz-n 选择conda虚拟环境名-o 在当前位置输出，可设置文件名-p 在指定位置输出，文件名为虚拟环境名.tar.gz迁移环境解压打好的包# 1. 在miniconda3/env
				
容器化现有的conda环境
我使用conda环境来进行数据分析项目。 有时，如果软件包不在bioconda或conda-forge上，则需要恢复使用pip或R的install.packages进行安装。
 这使得很难在另一个系统上重现环境以及分析。 甚至存储为environment.yml文件的纯conda环境也可能损坏。
 使用以下说明，可以将现有环境打包到Docker或Singularity容器中，该容器应具有更高的可移植性，并且还可以轻松地集成到基于的。
Docker，Podman或Singularity
 源conda环境必须在linux x64机器上。
conda-pack -n <MY> -o packed_environment.tar.gz
# With singularity
singularity build --fakero
mkdir -p ~ /tools ; cd ~ /tools
# download, install and setup (mini/ana)conda
# for Linux, use Miniconda3-latest-Linux-x86_64.sh
# for macOS, opt 2: curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh -o Miniconda3-latest-MacOSX-x86_64.sh
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
chmod +x
				
Miniconda Python 3.7 Docker映像
该映像基于Alpine Linux映像，该映像仅为5MB映像，并包含Continuum与Conda软件包管理器一起打包的 。
 该图像的下载大小仅为：
 注意：Conda存储库仅包含Linux的Glibc链接打包二进制文件，因此我们必须在Alpine上使用。
$ docker run --rm frolvlad/alpine-miniconda3 python -c ' print("Hello World") '
 一旦运行了此命令，您将从Python打印“ Hello World”！
 注意：此图像中也包含conda和pip 。
为了方便开发，在Docker Hub官方中选择一个合适的condadocker镜像，然后下载到本地。
我选择了“docker-anaconda”，地址是：https://hub.docker.com/r/continuumio/anaconda3
下载命令如下：
docker pull continuumio/anaconda.
				
因为实验室的服务器联网出现问题，配环境很麻烦，只能离线。而正好有笔记本上已经配置好的miniconda3的环境（包括pytorch，python，以及自己实验所配置的环境），这个同样适用于anaconda的环境。
然后考虑将conda的环境封装成docker，然后放到服务器上跑代码。保证有docker
然后用看是否安装成功。
如果出现Docker“Got permission denied while trying to connect to the Docker daemon socket“问题
				
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录前言一、什么是Docker镜像、容器二、操作步骤1.拉取镜像2.用continuumio/anaconda3镜像创建一个名为test的容器3.进入test容器，查看conda位置4.在本地环境中将本地环境复制到docker中5.在本地环境中将本地代码复制到docker中6.将容器保存为镜像7.将镜像存为压缩包三、几个常用docker命令四、参考文献
本文主要讲解如何打包本地conda环境并生成镜像和压缩包。如需要配置Dock
				
条件是你按照我之前的文章已经创建好了docker，接下来在配置虚拟环境时需要用到conda，那么如何配置conda，此处呢是针对你使用的镜像里不含有conda的情况，当然，你要是使用的镜像里含有conda你就不需要再安装了。
1、首先要通过下载anaconda 的linix包才可以进行安装，使用下面wget命令进行下载
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.1.0-Linux-x86_64.sh
				
转载原文：
https://zhuanlan.zhihu.com/p/145037940
可查看我的博文：【长篇博文】Docker学习笔记（四）：镜像的分层、打包、双向绑定、导入导出、Dockerfile的构建、部署与发布
首先使用anaconda3的基础镜像创建，可能需要检查换源。下面代码块是添加在/etc/docker/daemon.json文件中的内容。值得注意的是，如果当前sudo用户没有写文件的权限，需要改变权限，比如使用chromd 777命令。
      "registry-mirror
				
要在Linux上创建Conda虚拟环境，可以按照以下步骤操作：
1. 安装Conda：首先需要安装Conda，可以从官方网站下载适合自己系统的安装包，然后按照提示进行安装。
2. 创建虚拟环境：使用以下命令创建一个名为myenv的虚拟环境：
conda create --name myenv
3. 激活虚拟环境：使用以下命令激活myenv虚拟环境：
conda activate myenv
4. 安装包：在虚拟环境中安装需要的包，例如：
conda install numpy
5. 退出虚拟环境：使用以下命令退出虚拟环境：
conda deactivate
以上就是在Linux上创建Conda虚拟环境的步骤。
                    weixin_52960265: 
                    博主您好 我是小白，“对于三个特征层，代码设置了anchor_mask=[[6, 7, 8], [3, 4, 5], [0, 1, 2]]，来限制后面获得的anchor索引在不在对应层上”
这是什么意思
                利用pytorch来深入理解CELoss、BCELoss和NLLLoss之间的关系
                    w13940440197: 
                    引用「CELoss是预测值通过Softmax + log + NLLLoss计算得来的。」