Conda 环境 Docker 标准化迁移完整方案，适配深度学习 GPU 训练

前言

很多人迁移 conda 环境到 Docker 会直接复制miniforge3/envs/环境名文件夹，这种方式极其容易翻车：

环境内硬编码宿主机路径，容器内报错；
存在系统 ABI、平台架构绑定包（linux 本地编译包）；
镜像体积臃肿，包含大量无用缓存、冗余依赖；
跨服务器、跨 CUDA 版本极易出现动态链接冲突。

最优工程方案：导出环境配置文件 → Docker 内全新重建 conda 环境

推荐迁移流程是这条：

在宿主机导出 conda 环境
准备 Dockerfile
在镜像里根据 environment.yml 重建环境
运行容器验证

第一步：导出环境

先激活你要迁移的环境，比如 pt2.6：

bash 复制代码

conda activate pt2.6

导出成 YAML：

bash 复制代码

conda env export > environment.yml

如果你想要更干净、减少平台绑定，建议用这个：

bash 复制代码

conda env export --from-history > environment.yml

区别是：

conda env export
会导出完整依赖，版本很全，但可能带很多平台相关包
--from-history
只导出你显式安装过的核心包，更适合迁移到 Docker

如果这个环境里还用 pip 装过东西，再执行：

bash 复制代码

pip freeze > requirements.txt

yaml 复制代码

absl-py==2.4.0
astunparse==1.6.3
attrs==26.1.0
certifi==2026.6.17
charset-normalizer==3.4.7
cloudpickle==3.1.2
decorator==5.3.1
dm-tree==0.1.10
filelock==3.29.0
flatbuffers==25.12.19
fsspec==2026.4.0
...

yaml 复制代码

name: pt2.6
channels:
  - conda-forge
dependencies:
  - python=3.10
  - pip

很多项目实际会同时保留：

environment.yml
requirements.txt

第二步：写 Dockerfile

如果你就是想把 conda 环境搬进 Docker，最常见写法是：

dockerfile 复制代码

FROM continuumio/miniconda3:latest

WORKDIR /workspace

COPY environment.yml /workspace/environment.yml
COPY requirements.txt /workspace/requirements.txt

RUN conda env create -f /workspace/environment.yml

SHELL ["conda", "run", "-n", "pt2.6", "/bin/bash", "-c"]

RUN pip install --no-cache-dir --upgrade pip

RUN pip install --no-cache-dir torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 \
    --index-url https://download.pytorch.org/whl/cu126

RUN pip install --no-cache-dir -r /workspace/requirements.txt

COPY . /workspace

CMD ["conda", "run", "--no-capture-output", "-n", "pt2.6", "python", "train.py"]

这里 pt2.6 要和你的 environment.yml 里的环境名一致。

第三步：检查 environment.yml

很多从本机导出的 YAML 不能直接用于 Docker，需要清理两类内容：

prefix: 这一行删掉
例如：

yaml 复制代码

prefix: /home/linux/miniforge3/envs/pt2.6

这行必须删，不然 Docker 里路径不对。

过于本机绑定的包可以删掉
比如某些特别底层、只适合你当前机器的条目，有时会导致构建失败。

一个更适合 Docker 的 environment.yml 通常像这样：

yaml 复制代码

name: pt2.6
channels:
  - conda-forge
dependencies:
  - python=3.10
  - pip

第四步：构建镜像

bash 复制代码

docker build -t pt2.6 .

第五步：运行容器

如果你要用 GPU：

bash 复制代码

docker run --rm -it --gpus all pt2.6

如果只用指定 GPU，比如 0 和 1：

bash 复制代码

docker run --rm -it --gpus '"device=0,1"' pt2.6

更实用的迁移方式

如果你的目标是"把现有训练项目环境迁到 Docker"，我更建议你不要无脑完整迁移，而是"提炼环境"：

用 conda list 看核心包
只保留真正需要的依赖
在 Docker 里重建一个干净环境

因为直接导出的老环境常见问题是：

包太多
有平台残留
版本锁太死
Docker 构建慢，还容易失败

你可以这样查当前环境依赖

bash 复制代码

conda activate pt2.6
conda list

或者更聚焦一点：

bash 复制代码

conda env export --from-history

如果你想"几乎原样迁移"

可以用：

bash 复制代码

conda activate pt2.6
conda env export > environment_full.yml

然后手动删除：

prefix
明显是系统路径绑定的项
不必要的构建号冲突项

再给 Docker 用。

建议你现在这样做

以 pt2.6 为例：

bash 复制代码

conda activate pt2.6
conda env export --from-history > environment.yml
pip freeze > requirements.txt

然后用上面的 Dockerfile 重建。

如果你愿意，我可以下一步直接帮你生成一套可用文件。

你只要把下面任一项发我：

conda env export --from-history 的输出
conda env export 的输出
environment.yml 文件内容

我可以直接帮你整理成：

Docker 可用的 environment.yml
对应 Dockerfile
GPU 版启动命令