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。

1. 离线服务器上

2. 装有miniconda3的环境的设备上

1）安装docker

sudo apt  install curl
curl -s https://get.docker.com/ | sh
然后用docker -v看是否安装成功。
 PS：
 如果出现Docker“Got permission denied while trying to connect to the Docker daemon socket“问题
 那就是因为没有在 root 用户的权限下，因此需要在前面都加上sudo即可。
 
2）在docker Hub上下载好装载有anaconda3的镜像
 
sudo docker pull continuumio/anaconda3
3) 在 continuumio/anaconda3 镜像的基础上创建容器并运行
 
//查看是否有continuumio/anaconda3 镜像 
docker image ls 
// run
docker run -itd continuumio/anaconda3(或者镜像id)
//查看容器id 
docker ps  
docker exec -it 镜像id bash
这样就能进入到continuumio/anaconda3 容器中
 
4）查找anaconda所在路径
 
在容器中输入whereis anaconda查找anaconda所在路径
 发现路径是：
 /opt/conda/envs
 
5）查找本地的miniconda的环境（就是你自己想封装的环境）
 
新建一个终端，打开miniconda文件夹，看到envs，进去则能看见你自己的环境
 我的是在~/miniconda3/envs/SAC（SAC是我的环境名字）
 
6）复制环境
 
通过docker cp指令
 
sudo docker cp ~/miniconda3/envs/SAC b63116e4df5e:/opt/conda/envs
前面是本地miniconda的环境
 后面是docker容器的环境，b63116e4df5e是容器id
 
7) 验证
 
这样，你的docker容器里面就有你的conda环境了，可以通过conda activate envs_name来研究是否成功
 
8）运用 docker commit 指令将运行的容器保存为镜像
 
sudo docker commit b63116e4df5e image_name
b63116e4df5e:容器id
 image_name 创建镜像的名字，自己取
 
9）查看镜像
 
sudo docker image ls
则能看见你自己保存的镜像
 
10） 保存为tar文件
 
sudo docker save 镜像名 ~/download/myimage.tar
参考链接：
 https://blog.csdn.net/u012759006/article/details/107624413
                    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。PS：如果出现Docker“Got permission denied while trying to connect to the Docker daemon socket“问题
				
配置环境花了我一下午的时间，简单记录一下，希望能帮到一些新手。
1、下载PyCharm：https://www.jetbrains.com/pycharm/download/#section=linux
下载完成后将压缩文件解压，然后打开终端执行：
cd downloads/pycharm-2018.1/bin
bash pycharm.sh
启动pycharm后需要注册，选择License server激活，然后填入：http://artemis.my.to，然后点Activate激活即可
2、下载Anaconda：https://repo.continuum.io/archive/ind
				
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
				
从零开始入门封装环境，本文主要讲解打包环境前的Docker配置工作，如不需要配置Docker，可直接跳转：（二）
文章目录前言一、Docker是什么？1.虚拟机和Linux容器二、Docker用途三、Docker安装1.Dcoker手动在线安装：四、Docker启动与停止1.启动Docker2.停止Docker3.重启Docker五、Docker配置1.将用户加入 Docker 用户组2.配置daemon.json3.重启Docker六、Docker打包conda环境
提示：这里可以添加本文要记录
				
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 。
				
文章目录1 pip换源1.1 win下1.2 linux下2 conda换源2.1 win下2.2 linux下参考链接
Python经常需要安装一些库，但是默认使用的国外的源，真的非常非常慢，体验不佳，因此很有必要替换为国内的源。
1 pip换源
1.1 win下
打开appdata文件夹，在资源管理器的地址栏输入 %appdata% 后回车
回车后进入当前路径，新建一个 pip 文件夹
在pip文件夹里面新建一个配置文件 pip.ini
在该配置文件中写入一下内容
[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
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
				
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。
包装环境
conda-pack -n <MY> -o packed_environment.tar.gz
# With singularity
singularity build --fakero
				
说明：本文档根据清华大学开源软件镜像站Docker社区版镜像使用帮助撰写。基于Docker官方文档完善。鉴于我团队主要使用Ubuntu和树莓派进行开发，仅参考Ubuntu和树莓派部分即可。
1. Docker社区版(Docker-ce安装)
1.1 Debian/Ubuntu 用户安装步骤
以下内容根据官方文档修改而来。
旧的Docker版本可能叫做docker,docker-engine或者http://docker.io，如果你过去安装过 docker，先删掉:
sudo apt-get..
				
在 Mac 系统下使用 conda 包管理器，我们经常会遇到一些问题，例如安装速度慢等，这时候我们需要更换 pip 和 conda 的镜像源来加快下载速度。
在此之前，我们需要了解以下两个概念，分别是 pip 和 conda：
① pip：是 Python 的一个包管理器，它的作用是安装或卸载 OpenStack 项目中的各种组件及依赖库等。
② conda：是 Python 的另一个包管理器，它是 anaconda 发布的 Python 版本的核心组件之一，它的作用是进行 Python 库、环境、软件包的管理和部署。
为了更好地解决这些问题，我们需要找到一个可以更快下载安装包源的镜像 source 来加速下载。目前常用的国内镜像源有阿里云，清华大学镜像站等，这里我们以清华大学镜像源为例。
1. 更换pip镜像源
打开终端，输入以下代码：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
此时，pip 镜像源已成功更换为清华大学镜像源。
2. 更换conda镜像源
同样打开终端，输入以下代码：
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes
这时，就完成了 Mac 下 conda 环境更换 pip 和 conda 镜像源的操作，可以为我们在使用过程中带来更快的下载速度，提升使用体验。