如何基于现有Docker镜像创建含额外Python包的新镜像并在组织内分发

推荐使用Dockerfile方式构建，可复现性强，便于后续迭代调整依赖：

• 新建空白目录，在目录内创建名为Dockerfile的文件，写入以下内容：

FROM nvcr.io/nvidia/pytorch:21.07-py3
# 安装额外Python依赖，--no-cache-dir参数可减小镜像体积
RUN pip install --no-cache-dir omegaconf wandb pycocotools

提示：如果国内pip安装速度慢，可在上述pip命令末尾添加-i https://pypi.tuna.tsinghua.edu.cn/simple指定国内源加速。

• 在Dockerfile所在目录执行构建命令，自定义镜像标签方便识别：
  docker build -t my-org-pytorch:21.07-py3-ext .

如果仅需要临时测试，也可以使用容器commit方式构建（不推荐生产场景使用，可复现性差）：

• 启动原镜像的临时容器：docker run -it --gpus all nvcr.io/nvidia/pytorch:21.07-py3 bash
• 容器内执行pip install omegaconf wandb pycocotools，安装完成后输入exit退出容器
• 执行docker ps -a找到刚刚退出的容器ID，执行命令完成镜像构建：docker commit <替换为实际容器ID> my-org-pytorch:21.07-py3-ext

• 私有镜像仓库分发（最推荐）：组织内部搭建私有镜像托管服务（如Docker Registry、Harbor、GitLab Container Registry等），先给本地镜像打对应仓库的标签：docker tag my-org-pytorch:21.07-py3-ext <私有仓库地址>/<项目路径>/my-org-pytorch:21.07-py3-ext，执行docker push <完整镜像标签>上传到仓库，其他成员直接执行docker pull <完整镜像标签>即可获取。
• 镜像导出导入分发：适合网络隔离、无法访问私有仓库的场景，执行docker save -o my-org-pytorch-21.07-ext.tar my-org-pytorch:21.07-py3-ext将镜像导出为tar包，通过内网文件共享、移动存储等方式传输，其他成员拿到后执行docker load -i my-org-pytorch-21.07-ext.tar即可导入本地镜像。
• Dockerfile共享分发：如果组织内所有成员都可访问NVIDIA NGC镜像源，直接共享Dockerfile即可，其他成员执行相同的build命令就能生成完全一致的镜像，传输成本最低，也方便后续调整依赖。

内容的提问来源于stack exchange，提问作者user550701