首先在本机或者服务器上下载docker并运行
本文目的旨在本机下载docker并打包，然后在服务器上进行加载
docker -v
Docker version 27.0.3, build 7d4bcd8
有输出说明在运行
一、下载
在docker hub上下载docker以tensorflow为例
点击tag搜索自己想要的版本
copy命令并进行下载
二、打包
docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
tensorflow/tensorflow 2.16.1-gpu 21df1084f706 5 months ago 7.35GB
tensorflow/tensorflow 2.6.1-gpu b6bcb9632c86 2 years ago 5.63GB
此时说明docker已经被下载，我们需要把它打包成一个tar
docker save -o 自己定义一个名字.tar REPOSITORY的名字:TAG的名字例如:docker save -o tf123.tar tensorflow/tensorflow:2.6.1-gpu
打包完成后，tar文件在输入命令的当前目录下，然后此tar拷贝到服务器中
三、加载
在服务器中加载tar
docker -i XXXX.tar
等待一段时间后
docker images
会出现此docker容器
四、映射
现在我们有了docker容器，但是容器中还没有任何文件夹，所以需要把本地的文件夹映射到docker中
sudo docker run -itd -p 端口 --privileged=true --shm-size=32g --gpus all -v 本地文件夹:docker文件夹 --name 自定义一个容器的名字 REPOSITORY的名字:TAG的名字 /bin/bash
其中端口随便输入，例如1234:11
文件夹使用绝对路径
五、VSCODE
打开ssh
可以看到很多容器，进入之后找到home文件夹，刚才映射的文件就在里面
容器中需要重新下载个解释器（至少在我目前下载的容器中是这样的）
在容器中也可以继续配置环境(此时之前配置的清华源是没有的)
结语
如果是直接在本机或者服务器上配置可以直接省去二和三
