# 在ECS上构建自定义镜像并在Notebook中使用 为了满足用户的定制需求，用户可以使用ModelArts提供的基础镜像或第三方的镜像来编写Dockerfile，在[ECS服务器](https://console.huaweicloud.com/ecm/)上构建出完全适合自己的镜像并注册到[SWR服务](https://console.huaweicloud.com/swr/)，用以创建新的开发环境，满足自己的业务需求。 #### 自定义镜像构建流程 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002641501914.png) 1. 准备一台Linux服务器，本文以ECS服务器为例。 2. 在ECS中构建自定义镜像（本文提供了Dockfile样例文件）。 3. 将构建的镜像推送到SWR。 4. 注册SWR镜像到ModelArts。 5. 创建Notebook并验证新镜像。 #### Notebook自定义镜像规范 制作自定义镜像时，Base镜像需满足如下规范： - 基于昇腾、Dockerhub官网等官方开源的镜像制作，开源镜像需要满足如下操作系统约束： x86：Ubuntu 22.04、Ubuntu20.04 ARM：Euler2.10.x、Euler2.9.x、Euler2.8.x、HCE3.0、HCE2.0 - Notebook场景： - 需安装ipykernel依赖包，否则无法在Notebook中使用JupyterLab功能。 - 如果镜像内存在Jupyter静态文件，可能导致Notebook页面打开异常，请执行jupyter --path命令查看相关目录，并清理列出的目录中的静态文件。 - 训练调试模式场景：需保证curl命令正常。 - 不满足以上镜像规范，所制作的镜像使用可能会出现故障，请用户检查镜像规范，并参考[Notebook自定义镜像故障基础排查](https://support.huaweicloud.com/trouble-modelarts/docker-modelarts_6024.html)自行排查，如未解决请联系华为技术工程师协助解决。 本案例将基于ModelArts提供的PyTorch预置镜像，安装pytorch 2.7、ffmpeg 4和gcc 8依赖包，构建一个面向AI开发的新镜像。 #### 步骤一：准备ECS服务器并配置环境信息 准备一台具有Docker功能的机器，如果没有，建议申请一台**x86架构**的ECS服务器并购买弹性公网IP，并在准备好的机器上安装必要的软件（例如PyTorch、ipykernel等）。ModelArts提供了Ubuntu系统的脚本，方便安装Docker。 ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) - 本地Linux机器的操作等同ECS服务器上的操作，请参考本案例。 - Docker镜像架构需与宿主机架构保持一致。 1. 登录[ECS控制台](https://console.huaweicloud.com/ecm/)，购买ECS服务器。 - 快速购买：在"操作系统"区域，选择Ubuntu 22.04镜像。具体操作，请参见[快速购买ECS](https://support.huaweicloud.com/usermanual-ecs/ecs_03_7012.html)。 图1操作系统 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002657264039.png "点击放大") - 自定义购买：在"操作系统"区域，选择公共镜像Ubuntu 22.04。在"存储与备份"区域，系统盘大小配置为100GiB。具体操作，请参见[自定义购买ECS](https://support.huaweicloud.com/usermanual-ecs/ecs_03_7002.html)。 图2操作系统 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002657264565.png "点击放大") 图3存储与备份 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002657264781.png) 2. 购买弹性公网IP并绑定到ECS服务器。具体操作请参考[绑定弹性公网IP](https://support.huaweicloud.com/usermanual-ecs/zh-cn_topic_0174917535.html)。 3. 登录ECS服务器并配置Docker环境。 1. 在ECS服务器中，使用如下命令下载安装配置脚本。**当前仅支持Ubuntu系统的脚本。** ``` wget https://cnnorth4-modelarts-sdk.obs.cn-north-4.myhuaweicloud.com/modelarts/custom-image-build/install_docker_on_ubuntu.sh ``` 2. 在ECS服务器中执行如下命令，即可完成环境配置。 ``` bash install_docker_on_ubuntu.sh ``` 图4配置成功 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002657268123.png "点击放大") ``` source /etc/profile ``` 安装脚本依次执行了如下任务： 1. 安装Docker。 2. 如果挂载了GPU，则会安装nvidia-docker2，用以将GPU挂载到Docker容器中。 #### 步骤二：制作自定义镜像 这一节描述如何编写一个Dockerfile，并据此构建出一个新镜像在Notebook创建实例并使用。关于Dockerfile的具体编写方法，请参考[官网](https://docs.docker.com/reference/dockerfile/)。 1. 查询基础镜像（第三方镜像可跳过此步骤）。 ModelArts提供的镜像，请参考[ModelArts统一镜像](https://support.huaweicloud.com/docker-modelarts/docker-modelarts_6022.html)或[ModelArts预置镜像](https://support.huaweicloud.com/docker-modelarts/docker-modelarts_6030.html)，获取镜像地址。 2. 连接容器镜像服务。 1. 登录[容器镜像服务控制台](https://console.huaweicloud.com/swr/)，选择左侧导航栏的"总览"，单击页面右上角的"登录指令"，在弹出的页面中单击复制登录指令。 图5获取登录指令 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002657389055.png "点击放大") ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) 您可以按需选择有效时长。如果需要长期有效的登录指令，请参见[获取长期有效登录指令](https://support.huaweicloud.com/usermanual-swr/swr_01_1000.html)。获取了长期有效的登录指令后，在有效期内的临时登录指令仍然可以使用。 2. 在安装容器引擎的机器中执行上一步复制的登录指令。登录成功会显示"Login Succeeded"。 3. 拉取ModelArts镜像或第三方镜像。 此处以ModelArts镜像举例，第三方镜像直接替换镜像地址。关于如何获取ModelArts镜像地址，请参见[ModelArts统一镜像](https://support.huaweicloud.com/docker-modelarts/docker-modelarts_6022.html)或[ModelArts预置镜像](https://support.huaweicloud.com/docker-modelarts/docker-modelarts_6030.html)。 ``` docker pull swr.cn-north-4.myhuaweicloud.com/atelier/pytorch_cuda:pytorch_1.12.1-cuda_10.2-py_3.9.11-ubuntu_20.04-x86_64-20260425154604-d9a1f9f ``` 4. 编写Dockerfile。 Dockerfile是一个文本文件，包含了一系列的指令，用于自动构建Docker镜像。可以通过Dockerfile定义一个镜像的构建过程，包括基础镜像、安装的软件包、配置文件的复制、环境变量的设置等。 vim一个Dockerfile，如果使用的基础镜像是ModelArts提供的镜像，Dockerfile的具体内容可参考[Dockerfile文件（基础镜像为ModelArts提供）]。 如果使用的基础镜像是第三方镜像（非ModelArts提供的镜像），Dockerfile文件中需要添加uid为1000的用户ma-user和gid为100的用户组ma-group，具体可参考[Dockerfile文件（基础镜像为非ModelArts提供）]。 本例的Dockerfile将基于PyTorch镜像安装PyTorch 2.7.0、ffmpeg 4和gcc 8，构建一个面向AI任务的镜像。 ``` vim Dockerfile ``` 5. 构建镜像 使用docker build命令从Dockerfile构建出一个新镜像。命令格式如下： ``` docker build -t {局点信息}/{组织名称}/{镜像名称}:{版本名称} -f {Dockerfile文件名} . ``` 表1命令参数说明 | 参数 | 说明 | 示例 | |:---|:---|:---| | -t | 指定了新的镜像地址，包括{局点信息}/{组织名称}/{镜像名称}:{版本名称}，请根据实际填写。建议使用完整的SWR地址，供后续的调试和注册使用。 | - | | 局点信息 | 格式为swr.{regionName}.myhuaweicloud.com，regionName可通过[API凭证](https://support.huaweicloud.com/usermanual-ca/ca_01_0002.html)的项目列获取。 | swr.cn-north-4.myhuaweicloud.com | | 组织名称 | 可通过[SWR组织管理](https://support.huaweicloud.com/usermanual-swr/swr_01_0014.html)查看已有组织或创建新的组织。 | dev-custom | | 镜像名称 | 自定义镜像名称。 | pytorch2_7 | | 版本名称 | 自定义版本名称。 | v1 | | -f | 指定了Dockerfile的文件名，根据实际填写。 | - | | Dockerfile文件名 | 自定义Dockerfile文件名。 | Dockerfile | | . | 表示在当前目录下。 | - | 命令示例如下。本示例镜像构建耗时约一小时，具体时长由镜像大小而定，请以实际耗时为准。 ``` docker build -t swr.cn-north-4.myhuaweicloud.com/dev-custom/pytorch2_7:v1 -f Dockerfile . ``` 图6自定义镜像构建成功 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002635780356.png) #### 步骤三：将镜像推送到SWR 镜像调试完成后，需要将镜像推送到SWR。 1. 登录[SWR控制台](https://console.huaweicloud.com/swr/#/swr/dashboard)，使用docker push命令推送镜像。具体操作，请参见[推送镜像到镜像仓库](https://support.huaweicloud.com/usermanual-swr/swr_01_0011.html)。 命令格式如下，关于命令参数的说明，请参见[表1]。 ``` docker push {SWR地址}/{组织名称}/{镜像名称}:{版本名称} ``` 命令示例如下： ``` docker push swr.cn-north-4.myhuaweicloud.com/dev-custom/pytorch2_7:v1 ``` 2. 在[SWR控制台](https://console.huaweicloud.com/swr/#/swr/dashboard)左侧导航栏，单击"我的镜像"，执行刷新操作后可以看到新增的镜像，单击镜像名称，可查看镜像详情。 图7将镜像推到SWR ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002650304492.png "点击放大") #### 步骤四：在ModelArts注册新镜像 调试完成后，将新镜像注册到ModelArts镜像管理服务中，进而能够在ModelArts中使用该镜像。 1. 登录[ModelArts管理控制台](https://console.huaweicloud.com/modelarts/)，在左侧导航栏按需选择以下操作。 - 新版控制台：选择"资产管理 \> 镜像"，选择"已注册镜像"页签。 - 旧版控制台：选择"资产管理 \> 镜像管理"，选择"已注册镜像"页签。 2. 单击"注册镜像"，镜像源即为[步骤三]推送到SWR中的镜像。 注册镜像时，"架构"和"类型"需要和镜像源保持一致，否则在使用此自定义镜像创建Notebook时会创建失败。 - 架构：通过docker run --rm {image_name} uname -m命令查看架构。image_name请替换为实际镜像。示例如下： ``` docker run --rm swr.cn-north-4.myhuaweicloud.com/dev-custom/pytorch2_7:v1 uname -m ``` 如下图所示，该镜像的架构为x86。 图8查看镜像架构 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002635620952.png "点击放大") - 类型：通过[拉取镜像]安装的是cuda或cann包来判断，cuda包为GPU，cann包为NPU。 例如，[拉取镜像]的地址为swr.cn-north-4.myhuaweicloud.com/atelier/pytorch_cuda:pytorch_1.12.1-cuda_10.2-py_3.9.11-ubuntu_20.04-x86_64-20260425154604-d9a1f9f，从"cuda_10.2"可以看到安装的是cuda，因此类型为GPU。 - 规格：当类型选择NPU时，需要选择规格，规格对应的机型和镜像机型需要保持一致。 规格可以从镜像地址中获取。例如，镜像地址为swr.cn-north-4.myhuaweicloud.com/atelier/pytorch_ascend:pytorch_2.7.1-cann_8.5.2-py_3.12-euler_2.10.11-aarch64-snt9b-20260417112518-aabfd52，可以看到镜像规格为snt9b。 3. 在"注册镜像"页面，可以看到注册好的镜像。 #### 步骤五：创建Notebook并使用自定义镜像 1. 在[ModelArts管理控制台](https://console.huaweicloud.com/modelarts/)左侧导航栏，按需选择以下操作。 - 新版控制台：选择"模型开发与训练 \> Notebook"，进入"Notebook"页面。 - 旧版控制台：选择"开发空间 \> Notebook"，进入"Notebook"页面。 2. 在"Notebook"页面右上角，单击"创建"，在"环境配置"区域，选择"自定义镜像"，单击![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002631184312.png)图标，选择[步骤四]注册的镜像，WebIDE选择JupyterLab。 关于创建Notebook的参数说明，请参见[创建Notebook实例](https://support.huaweicloud.com/devtool-modelarts/devtool-modelarts_3495.html)。 图9创建Notebook ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002631153000.png) 当Notebook实例的"状态"显示为"运行中"，表示Notebook实例创建成功。 3. 在"Notebook"页面，单击操作列的"接入环境"，在"接入方式"对话框，单击JupyterLab接入右侧的"接入"。 4. 在"ModelArts Launcher"页面的Notebook区域，单击PyTorch，即可创建一个ipynb文件，导入PyTorch库，查看PyTorch版本号。 ``` import torch print(torch.__version__) ``` 图10创建一个ipynb文件 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002661511969.png) 可以看到Dockerfile中安装的PyTorch版本号为2.7.0。 5. 再打开一个Terminal，执行以下命令，查看ffmpeg和gcc的版本。 ``` ffmpeg -v gcc -v ``` 图11查看ffmpeg和gcc的版本 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002631324950.png "点击放大") #### Dockerfile文件（基础镜像为ModelArts提供） vim一个Dockerfile文件。基础镜像为ModelArts提供的镜像时，Dockerfile文件的具体内容如下： ``` # FROM后填写 ${基础镜像名称} 基础镜像名称为docker pull后的内容。 FROM swr.cn-north-4.myhuaweicloud.com/atelier/pytorch_cuda:pytorch_1.12.1-cuda_10.2-py_3.9.11-ubuntu_20.04-x86_64-20260425154604-d9a1f9f USER root # section1: 配置apt源 RUN apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 3B4FE6ACC0B21F32 && \ mv /etc/apt/sources.list /etc/apt/sources.list.bak && \ echo -e "deb http://repo.huaweicloud.com/ubuntu/ bionic main restricted\ndeb http://repo.huaweicloud.com/ubuntu/ bionic-updates main restricted\ndeb http://repo.huaweicloud.com/ubuntu/ bionic universe\ndeb http://repo.huaweicloud.com/ubuntu/ bionic-updates universe\ndeb http://repo.huaweicloud.com/ubuntu/ bionic multiverse\ndeb http://repo.huaweicloud.com/ubuntu/ bionic-updates multiverse\ndeb http://repo.huaweicloud.com/ubuntu/ bionic-backports main restricted universe multiverse\ndeb http://repo.huaweicloud.com/ubuntu bionic-security main restricted\ndeb http://repo.huaweicloud.com/ubuntu bionic-security universe\ndeb http://repo.huaweicloud.com/ubuntu bionic-security multiverse" > /etc/apt/sources.list && \ apt-get update # section2: 下载ffmpeg、gcc依赖包。 RUN apt-get -y -f install && \ apt-get -y autoremove && \ apt-get -y autoclean && \ apt-get update && \ echo Y | apt-get -y install openssh-server && \ apt-get -y install ffmpeg && \ apt-get -y install gcc-8 g++-8 && \ update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 80 --slave /usr/bin/g++ g++ /usr/bin/g++-8 && \ if [ -f $HOME/.pip/pip.conf ]; then rm $HOME/.pip/pip.conf; fi USER ma-user # section3: 此处配置为清华源，用户可自行配置。 RUN echo -e "channels:\n - defaults\nshow_channel_urls: true\ndefault_channels:\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2\ncustom_channels:\n conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud\n simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud" > $HOME/.condarc && \ echo -e "[global]\nindex-url = https://pypi.tuna.tsinghua.edu.cn/simple\n[install]\ntrusted-host = https://pypi.tuna.tsinghua.edu.cn" > $HOME/.pip/pip.conf # section4: create a conda environment(only support python=3.11.10) and install pytorch2.7.0 # torch版本和torchvision、torchaudio版本有配套关系,如果用户需要自建python环境并使用notebook功能，则需要下载ipykernel。 RUN source /home/ma-user/anaconda3/bin/activate && \ conda create -y --name pytorch_2_7 python=3.11.10 && \ conda activate pytorch_2_7 && \ pip install torch==2.7.0 torchvision==0.22.0 torchaudio==2.7.0 && \ conda activate pytorch_2_7 && \ pip install ipykernel && \ conda deactivate ``` #### Dockerfile文件（基础镜像为非ModelArts提供） 如果使用的镜像是第三方镜像，Dockerfile文件中需要添加uid为1000的用户ma-user和gid为100的用户组ma-group。如果基础镜像中uid 1000或者gid 100已经被其他用户和用户组占用，需要将其对应的用户和用户组删除。**如下Dockerfile文件已添加指定的用户和用户组，您直接使用即可。** ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) 用户只需要设置uid为1000的用户ma-user和gid为100的用户组ma-group，并使ma-user有对应目录的读写执行权限，其他如启动cmd不需要关心，无需设置或更改。 vim一个Dockerfile文件，添加第三方镜像（即非ModelArts提供的官方镜像）为基础镜像，如以ubuntu 20.04为例。下文提供两种Dockerfile文件示例，您可以按需选择。 - 示例一：基础配置，即添加指定的用户和用户组。 ``` FROM ubuntu:20.04 # Create ma-user UID=1000 GID=100 USER root RUN default_user=$(getent passwd 1000 | awk -F ':' '{print $1}') || echo "uid: 1000 does not exist" && \ default_group=$(getent group 100 | awk -F ':' '{print $1}') || echo "gid: 100 does not exist" && \ if [ ! -z "${default_user}" ] && [ "${default_user}" != "ma-user" ]; then \ userdel -r ${default_user}; \ fi && \ if [ ! -z "${default_group}" ] && [ "${default_group}" != "ma-group" ]; then \ groupdel -f ${default_group}; \ fi && \ if ! getent group 100 > /dev/null; then \ groupadd -g 100 ma-group; \ fi && \ useradd -d /home/ma-user -m -u 1000 -g 100 -s /bin/bash ma-user && \ chmod -R 750 /home/ma-user ``` - 示例二：基础配置+相关工具与环境配置样例。 - 基础配置：添加指定的用户和用户组。 - （可选）相关工具与环境配置样例： - 配置APT源以加速软件包下载。 - 安装Miniconda并配置Conda和Pip源。 - 创建一个包含特定Python包（如PyTorch和TorchVision）的Conda环境。 - 安装三方包样例，例如安装ffmpeg和gcc 8，以支持多媒体处理和编译任务。 ``` FROM ubuntu:20.04 # section1: 创建ma-user用户组与用户 USER root RUN default_user=$(getent passwd 1000 | awk -F ':' '{print $1}') || echo "uid: 1000 does not exist" && \ default_group=$(getent group 100 | awk -F ':' '{print $1}') || echo "gid: 100 does not exist" && \ if [ ! -z "${default_user}" ] && [ "${default_user}" != "ma-user" ]; then \ userdel -r ${default_user}; \ fi && \ if [ ! -z "${default_group}" ] && [ "${default_group}" != "ma-group" ]; then \ groupdel -f ${default_group}; \ fi && \ if ! getent group 100 > /dev/null; then \ groupadd -g 100 ma-group; \ fi && \ useradd -d /home/ma-user -m -u 1000 -g 100 -s /bin/bash ma-user && \ chmod -R 750 /home/ma-user # section2: 使用标准focal源 RUN mv /etc/apt/sources.list /etc/apt/sources.list.bak && \ printf "deb http://archive.ubuntu.com/ubuntu/ focal main restricted universe multiverse\n\ deb http://archive.ubuntu.com/ubuntu/ focal-updates main restricted universe multiverse\n\ deb http://archive.ubuntu.com/ubuntu/ focal-backports main restricted universe multiverse\n\ deb http://archive.ubuntu.com/ubuntu focal-security main restricted universe multiverse\n" > /etc/apt/sources.list && \ apt-get update && \ apt-get install -y zip wget ca-certificates && \ apt update && echo Y | apt install openssh-server RUN rm /bin/sh && ln -s /bin/bash /bin/sh # section3: 以 ma-user 身份安装 Miniconda3 USER ma-user RUN cd /home/ma-user/ && \ wget --no-check-certificate https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh && \ bash Miniconda3-latest-Linux-x86_64.sh -b -p /home/ma-user/anaconda3 && \ rm -rf Miniconda3-latest-Linux-x86_64.sh # section4: 配置 conda、pip 清华镜像源 + 初始化 conda RUN mkdir -p /home/ma-user/.pip && \ echo -e "channels:\nshow_channel_urls: true\ndefault_channels:\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r\n - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2\nremote_read_timeout: 120" > /home/ma-user/.condarc && \ echo -e "[global]\nindex-url = https://pypi.tuna.tsinghua.edu.cn/simple\n[install]\ntrusted-host = pypi.tuna.tsinghua.edu.cn" > /home/ma-user/.pip/pip.conf && \ /home/ma-user/anaconda3/bin/conda init bash && \ source /home/ma-user/anaconda3/bin/activate base && \ conda config --remove-key channels || true && \ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main && \ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r && \ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 && \ conda tos accept --override-channels -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main && \ conda tos accept --override-channels -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r && \ conda tos accept --override-channels -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 # section5: 创建 PyTorch 专属 conda 虚拟环境 ，如果用户需要自建python环境，并使用notebook功能则需要下载ipykernel RUN /bin/bash -c '\ source /home/ma-user/anaconda3/bin/activate base && \ conda create -y --override-channels \ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main \ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r \ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 \ -n pytorch_2_7 python=3.11.10 && \ conda run -n pytorch_2_7 \ pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn \ torch==2.7.0 torchvision==0.22.0 torchaudio==2.7.0 ipykernel==6.7.0 \ ' # section6: 修复依赖冲突，分阶段安装系统包，增加修复依赖命令 USER root RUN apt-get update && apt-get --fix-broken install -y RUN apt-get install -y --no-install-recommends libc6-dev libstdc++-8-dev RUN apt-get install -y --no-install-recommends ffmpeg gcc-8 g++-8 # 创建软链接，让gcc/g++ 默认指向gcc-8/g++-8 RUN ln -s /usr/bin/gcc-8 /usr/bin/gcc && \ ln -s /usr/bin/g++-8 /usr/bin/g++ RUN apt-get autoremove -y && apt-get autoclean ```