如何在多阶段Docker构建中高效复制Detectron2构建文件？

核心结论 #

直接复制detectron2_repo目录可行，但构建wheel包再安装是更规范、空间利用率更高的方案，推荐优先采用。

方案一：构建Wheel包（推荐） #

构建阶段（基于CUDA Devel镜像） #

1. 基础镜像选用nvidia/cuda:11.7.1-cudnn8-devel-ubuntu20.04，安装Python3.8、pip、对应CUDA11.7版本的PyTorch、git等依赖。
2. 克隆Detectron2仓库，切换到与当前PyTorch/CUDA版本兼容的分支。
3. 进入仓库目录，执行命令构建wheel包：

   cd detectron2_repo
   pip wheel . --no-deps -w dist/
   

   执行完成后，dist/目录会生成一个包含编译好的CUDA二进制文件的.whl包。

运行阶段（基于轻量CUDA Runtime镜像） #

1. 选用轻量基础镜像nvidia/cuda:11.7.1-cudnn8-runtime-ubuntu20.04（仅含运行时库，体积远小于devel镜像）。
2. 安装Python3.8、pip，以及与构建阶段版本完全一致的PyTorch。
3. 从构建阶段复制生成的.whl文件到当前镜像，执行安装：

   pip install /path/to/detectron2-*.whl
   

4. 复制你的应用代码、LayoutMV2相关文件到镜像，设置启动命令。

方案二：直接复制源码目录（快速验证场景） #

若无需长期维护镜像，可直接复制必要文件：

• 必须复制：detectron2_repo/detectron2/整个目录（包含编译好的_C.cpython-38-x86_64-linux-gnu.so核心二进制文件）。
• 无需复制：build/临时构建目录、.git/版本控制目录、测试用例、文档等冗余文件。
• 复制完成后，在运行阶段的Python环境中，需将detectron2_repo目录添加到PYTHONPATH，或执行pip install --user -e /path/to/detectron2_repo完成关联。

关键注意事项 #

• 构建阶段与运行阶段的PyTorch、CUDA版本必须完全匹配，否则会出现GPU调用兼容性错误。
• 运行阶段必须使用带CUDA Runtime的镜像，不能用纯Ubuntu镜像，否则无法识别Nvidia显卡。
• 构建wheel时添加--no-deps参数，避免打包PyTorch等已在运行阶段安装的依赖，减小wheel包体积。

内容的提问来源于stack exchange，提问作者Tom