1. windows环境下下载docker
1.1 windows桌面版的docker配置
- 在docker官网下载docker hub并安装：docker官网地址 ，自行安装。
- 对windows环境中可能存在的问题进行的基础配置：链接地址
1.2 测试docker环境是否安装正确
- 基础配置设置：为了提高在后续镜像环境的下载速度，加入国内的镜像源。本人加入的是中科大的镜像源地址：https://docker.mirrors.ustc.edu.cn，具体加入方法如下：
- 测试docker环境是否安装正确： 在命令行下输入：docker-v得到如下信息
输入：docker run hello-world 得到如下信息。
输入:docker images。可以看到目前我们的docker镜像只有hello-world
其中： pepository：为镜像的名字，TAG：为镜像的版本号,IMAG ID：为镜像的ID
2. 深度学习环境镜像的制作
2.1 mmdetection源码的下载和版本的选择
- 在github官网上搜索mmdetection不同版本的代码网络链接，选取stars最高的代码。
- 下载源码至本地
由于各版本存在差异，此次下载的为最新版本，若想下载不同版本，可以做如下操作
- 查看docker中的Dockerfile,打开dockerfile文件，查看cuda、pytorch等包的版本号。
可以看到，在dockerfile文件中已经配置好当前版本号所对应的各种包的版本号，我们所需要关注的是pytorch、cuda的版本号，由于每个人的cuda版本号是不一样的，我们可以自己设置我们所需要的cuda版本号。
注意： 版本号的变换，需要遵循官方给出的版本号建议，链接，我们可以针对不同版本的cuda和pytorch选择。
2.2 采用dockerfile 制作mmdetection的镜像
- 采用docker build -t [dockerfile的地址] 镜像的名字：版本号，如下所示：
其中镜像的名字、版本号可以自己指定。下载完毕后 - 采用docker imges查看镜像
- 使用docker save -o [xxx.tar] [镜像ID]，将本地下载的镜像打包为xxx.tar
- 将打包好的镜像上传后，在服务器上采用: docker load < xxx.tar，将上传的镜像载入服务器中。
致此：docker环境下的mmdetection环境制作完毕。
如果我们想制作其他深度学习的镜像，如yolox的，我们可以使用本次制作的mmdetection镜像，在本地创建容器，然后采用pip命令下载yolox中所需要的包，然后将容器固化为镜像即可。