本章节以在容器镜像openEuler 20.03上为例，制作包含CANN软件包Toolkit/NNAE、Kernels和PyTorch框架的CANN训练&推理容器镜像。

可以参考本节内容定制修改Dockerfile，自定义制作CANN容器镜像。

执行如下命令，在任意目录（如“/home”）新建ascend-cann文件夹。
```
mkdir ascend-cann
```

执行如下命令，进入ascend-cann目录。

cd ascend-cann

请在当前目录准备以下软件包。

表1 所需软件或文件
软件或文件	说明	获取方法
Toolkit或NNAE	ToolKit和NNAE根据业务场景选其一安装。	参见准备软件包。
Kernels（可选）	二进制算子包，可以节省算子编译时间，根据业务场景可选安装。	参见准备软件包。
torch-*.whl	torch包	参考《Ascend Extension for PyTorch 配置与安装》中的“安装PyTorch框架”章节获取Python3.7.5对应的torch 1.11.0软件包。因为示例脚本中默认安装Python3.7.5，支持用户自定义修改dockerfile脚本中安装的Python版本和所需torch包。
torch_npu-*.whl	torch_npu插件包	参考《Ascend Extension for PyTorch 软件安装指南》中的“（可选）安装扩展模块”章节获取Python3.7.5对应的torch_npu 1.11.0软件包。因为示例脚本中默认安装Python3.7.5，支持用户自定义修改dockerfile脚本中安装的Python版本和所需torch_npu包。
apex-*.whl	apex软件包	参考《Ascend Extension for PyTorch 软件安装指南》中的“安装APEX模块”章节获取

执行vi Dockerfile命令新建Dockerfile文件，添加如下内容。用户可以根据操作系统类型和待安装的软件包，自行修改脚本中的加粗字体信息。

ARG BASE=$BASE
FROM $BASE

WORKDIR /tmp
COPY . ./

# 设置驱动路径环境变量
ARG ASCEND_BASE=/usr/local/Ascend
ENV LD_LIBRARY_PATH=\
$ASCEND_BASE/driver/lib64:\
$ASCEND_BASE/driver/lib64/common:\
$ASCEND_BASE/driver/lib64/driver:\
$ASCEND_BASE/driver/tools/hccn_tool/:/lib64:\
$LD_LIBRARY_PATH

SHELL ["/bin/bash","-c"]

# 1 环境准备
RUN yum install -y python3-pip && \
    yum install -y shadow-utils && \
    ln -s /usr/lib64/libpython3.7m.so.1.0 /usr/lib64/libpython3.7m.so && \
    mkdir ~/.pip && \
    echo -e '[global]\nindex-url = https://mirrors.huaweicloud.com/repository/pypi/simple\ntrusted-host = mirrors.huaweicloud.com' >> ~/.pip/pip.conf && \
    pip3 install pip==23.0.1

# 2 安装CANN，以toolkit包为例，请自行替换为待安装的软件包
ARG CANN_PKG=Ascend-cann-toolkit_*.run
ARG KERNEL_PKG=Ascend-cann-kernels-*.run
RUN chmod +x $CANN_PKG && \
    ./$CANN_PKG --quiet --install --install-path=$ASCEND_BASE --install-for-all && \
    chmod +x $KERNEL_PKG && \
    ./$KERNEL_PKG --quiet --install --install-for-all && \
    pip3 install attrs && \
    pip3 install numpy && \
    pip3 install decorator && \
    pip3 install sympy && \
    pip3 install cffi && \
    pip3 install pyyaml && \
    pip3 install pathlib2 && \
    pip3 install psutil && \
    pip3 install protobuf && \
    pip3 install scipy && \
    pip3 install requests && \
    pip3 install absl-py

# 3 安装torch，可替换为待安装的AI框架软件包和所需依赖
RUN pip3 install --upgrade torch-*.whl && \
    pip3 install --upgrade torch_npu*.whl && \
    pip3 install --upgrade apex-*.whl && \
    pip3 install torchvision==0.12.0

# 4 环境清理
RUN rm -rf /root/.cache/pip && \
    rm -rf ./*

修改后执行:wq!命令保存文件并退出。

在当前目录执行以下命令构建镜像。

docker build -t {image_name}:{new_tag} --build-arg BASE={image_name}:{tag} .

注意不要遗漏命令结尾的“.”，命令示例如下所示。

docker build -t ascend-cann:8.0.RC2-openEuler-pt --build-arg BASE=openeuler-20.03-lts-sp2:latest .

表2 命令参数说明
参数	说明
{image_name}:{new_tag}	此次构建的镜像名称与标签，建议将{image_name}:{new_tag}命名为“软件包:软件包版本-容器OS-框架类型”（例如“ascend-cann:8.0.RC2-openEuler-pt”）
--build-arg	指定dockerfile文件内的参数
{image_name}:{tag}	{image_name}:{tag}为安装前准备的OS基础容器镜像

构建训练&推理容器镜像（openEuler系列）