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bio conda 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 1、 linux 系统下安装ana conda 3 ana conda 的官方网站地址：https://www.ana conda .com/distribution/ 1.1 下载安装文件 1） 如果想直接下载到本地，在通过ftp上传到远程服务器，请忽略一下操作 2） 如果服务器是联网的，可以直接通过wget命令【centos版本】直接下载服务器，操作如下： 我使用的 linux 期间有ENTER的地方可以直接回车，遇到MORE信息，可以摁Q键跳过，遇到需要输入yes|no的地方输入yes即可。即可直接从清华镜像网站上下载ana conda 安装包， 视情况选择自己的版本，我选择的是2021.11版本。usrname对应账户名，这里需要根据自己的本机做修改，然后点SAVE保存修改。在ubuntu中ctr+alt+t打开终端，输入。如果有版本输出则安装成功。在弹出的文本框最下面键入。 tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5+显卡驱动470.129.06+ linux 内核5.4.113 pip uninstall certifi#否则安装不起来 验证tf.test.is_gpu_available()为True 纯净的tensorflow-gpu环境打包（ linux 系统） 本资源是搭建在 Linux 服务器上ana conda 3中的tensorflow 虚拟环境 ，已经经过测试，并且投入了生产，可以直接用。 本环境用 conda -pack打包，只需要直接解压到ana conda 路径下的envs中就可以直接使用。 python版本3.6.8 pip版本21.2.3 介绍：TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现。 此资源比较适合以下情况： 1、快速搭建一个tensorflow 虚拟环境 ，免去安装过程中对繁琐的依赖问题处理 2、在服务器上离线搭建环境 ubuntu 上使用python做机器学习，OPENCV相关的项目，本机环境不能改变（工作需要），所以就使用 conda 创建了该项目的 虚拟环境 ，方便开发测试，本节主要记录整个流程，方便以后回顾时快速完成。1、安装ls。 创建 虚拟环境 conda create -n your_env_name python=X.X（2.7、3.6等） 进入 虚拟环境 source activate your_env_name 退出 虚拟环境 source deactivate 查看所有 虚拟环境 conda info --envs 服务器 linux 里ana conda 里移除已装 conda 环境或window下ana conda 移除 conda 环境（pytorch、tensorflow、labelimg等）， conda info -e （查看所有的 虚拟环境 ），删除 虚拟环境 ，这里以删除pytorch36环境为例