一、miniconda3虚拟环境迁移：

1.conda pack 打包

2.直接在conda/envs/路径下复制虚拟环境文件夹

在目标机器上conda activate环境：

which python 路径指向base环境（这种情况多发生于权限不够的情况）

解决办法：检查自己conda env环境中bin目录下pip、pip3、python文件权限，设置777，

vim pip修改路径配置data/miniconda3/envs/your_env_name/bin/python，解决。

二、复现部分项目代码需要gcc编译，找不到cuda部分头文件<cuda_runtime_api.h>

conda虚拟环境安装cudatoolkit无效，因为conda虚拟环境中安装的cuda是精简版的cuda保持基本的服务，但缺少执行编译的头文件；需要在系统中安装的完整的cuda toolkit。（现阶段torch包内好像已包含编译所需文件，可以直接完成编译；更多编译错误大多由于依赖包版本冲突所导致）

为防止在系统里安装cuda等工具会污染其他环境，转移至docker进行环境搭建。

Docker Hub Container Image Library | App Containerization

搜索自己需要的镜像docker pull下来

创建一个新的容器:

docker run -itd --gpus all --name my_cuda_container  nvidia-cuda:11.1.1-devel-ubuntu20.04 /bin/bash

以交互的方式运行 docker 容器:

docker exec -it my_cuda_container /bin/bash

退出容器: exit

停止容器:

docker stop container_nam

启动容器:

docker start container_nam

删除容器:

docker rm container_name

复制文件：宿主机上运行

docker cp data/file.txt container_name:file.txt

三、vscode远程连接服务器和docker，可视化修改docker中文件和代码等。

.vscode_serve文件夹tools下tar.gz文件解压到生成的长串数字字母编码的文件下。（不联网机器远程连接需要）

vscode安装Dev containers扩展

远程连接docker宿主机

选择Dev Containers，可以看到宿主机上的所有docker容器

选择自己的docker容器，再新窗口打开，稍作等待即可连接，方便修改文件，代码等。