conda实现本地项目环境迁移到离线服务器使用

更新：2023.04.19
（1）下载慢的时候，添加清华镜像源

pip intall package_name -i https://pypi.tuna.tsinghua.edu.cn/simple

（2）创建conda虚拟环境，安装ipykernel才可以利用jupyter

conda install -n 虚拟环境名 ipykernel --update-deps --force-reinstall
比如我的py38gpu环境安装：
conda install -n py38gpu ipykernel --update-deps --force-reinstall

（3）安装jupyter_server
首先查看安装情况：

jupyter --version

安装：

pip install jupyter_server
pip install jupyterlab

更新：2021.11.25
如果已经迁移好的环境，还需要几个额外的依赖包，此时可以重新在本地的有网环境下装好，然后利用conda pack 迁移，但是一般我们的环境都装了cuda很大，不好随便迁移，所以本次gen更新提供一种新的方法，实现对缺少的几个包的安装。
1、在本地的conda环境中，利用pip 下载需要的依赖包，具体命令如下：

pip download 包名 -d 路径
例：
pip download boto3 -d /root/temp

注意：上述的命令会下载这个包所需要的所有依赖，可能会有几个包，都会下载到/root/temp下边，我们对这个文件夹进行打包，传输到离线服务器，进入对应的conda虚拟环境，解压出来，利用pip 进行安装，如果不知道先安装哪个，可以随便选一个，他会提示你先安装哪个依赖。对离线包的安装方法：

pip install 刚才下载的包名

以上就可以简单的解决，已经迁移好了环境，但是缺少一两个包的情况。
分割线------------------------------------------------------------------------------------------------------------

整体步骤：
1、一般服务器都是linux，多人使用，所以我们一般在服务器上利用docker创建虚拟环境。
（1）首先找一个装好了服务器gpu驱动的镜像，用该镜像在服务器创建一个新容器，并且把该镜像打成tar包，下载到本地。
（2）利用下载好的镜像tar包，创建一个容器，为了保持和服务器的系统一致。
（3）然后当前的容器环境是可以连接网络的，所以我们下载anaconda，并安装，然后利用conda创建python虚拟环境。
（4）在python虚拟环境中在线安装自己项目所需要的包。
（5）将做好的环境进行conda pack，就是把做好的环境打包。
（6）将刚才打包好的python虚拟环境包，上传服务器到刚才创建的容器所挂在的目录，这样在容器中就可以访问当前目录数据了。并上传刚才在本地安装的anaconda安装包到该目录
（7）在docker容器中安装刚才上传的anaconda，利用conda导入刚才上传的python虚拟环境包，
（8）将导入的环境包放到anaconda的环境目录下，就完成了所有的步骤。
（9）在服务器的docker容器中，利用anaconda启动刚才导入的虚拟环境，就可以跑模型了。
（10）可行性分析：服务器的容器中已经装好了显卡的驱动，我们只要装对应的cuda和torch版本就可以实现gpu的使用。因此我们在本地的容器中，创建conda环境，在线安装指定的torch和cuda，以及其他所需要的包，然后迁移到服务器的容器，切换到刚才迁移的conda虚拟环境中,理论上就可以实现gpu的使用，这样就可以很简单的针对不同的项目，创建不同的虚拟环境，在线安装对应的包了。
2、具体细节：
（1）打包服务器镜像。

docker save -o 路径/输出的包名  repository:Tag

（2）在服务器利用刚才的镜像包创建容器

docker run -itd -e LANG="en_US.UTF-8" NVIDIA_VISIBLE_DEVICES=all,NVIDIA_DRIVER_CAPABILITIES=compute --name=容器名 --runtime=nvidia -v 宿主机路径:/temp  -p 9900:9900(这两个端口号可以自己写)  镜像名：tag  /bin/bash

（3）在本地docker利用下载的镜像包创建容器

docker run -itd -e LANG="en_US.UTF-8"  --name=容器名  -v 宿主机路径:/temp  -p 9900:9900(这两个端口号可以自己写)  镜像名：tag  /bin/bash

（因为服务器的gpu和本地不同，而且本地不需要gpu，就可以创建环境）
（4）在本地进入刚才创建的容器，并安装anaconda

docker exec -it 容器名 /bin/bash

安装anaconda，就是直接找到安装包，即刚才创建容器时所挂在的路径，在/temp就可以看到挂在的本地路径，把anaconda安装包放在这个目录下，在容器的/temp下就可以看到，安装了。具体安装方法和设置环境变量看我的另一篇。anaconda安装和配置环境变量

（5）利用anaconda创建虚拟环境

conda create -n 虚拟环境名字  python=3.7（自选版本）

(6)安装项目需要的包，并打包虚拟环境
安装需要的包，根据需求进行安装，本文不再赘述，以下命令为打包刚才的虚拟环境

#1、安装打包工具
conda install -c conda-forge conda-pack
2、打包环境
conda pack -n 虚拟环境名 -o 包名
3、例如我的虚拟环境为py37，包名为py37.tar.gz
conda pack -n py37 -o py37.tar.gz

(7) 将上一步打包的虚拟环境包上传服务器的docker容器挂在目录，进行解压虚拟环境

1、首先得在服务器的docker容器中上传anaconda安装包进行安装，和上文描述方法一样，不在赘述。
2、在anaconda的虚拟环境路径下，创建要导入到虚拟环境名字的文件夹
mkdir anaconda安装路径/envs/虚拟环境名
3、例如我的py37虚拟环境的安装
mkdir /root/anaconda3/envs/py37
4、解压虚拟包
tar -xzf 虚拟环境的压缩包 -C anaconda的安装路径/envs/虚拟环境名
5、例如我的
tar -xzf py37.tar.gz -C /root/anaconda3/envs/py37

(8)查看是否安装成功虚拟环境

conda info --envs

完成