onnx-pytorch v1.1.0 发布清单（Release Manifest）

onnx-pytorch v1.1.0 发布清单（Release Manifest）#

本清单基于已构建并验证通过的 devcontainer-base:onnx-pytorch-latest（v1.1.0）镜像生成。 运行时元数据源：容器内 /etc/devcontainer-variant-onnx-pytorch-build-info（构建时自动写入）。 验证依据：test-onnx-pytorch.sh 23 项测试全部 PASS（0 FAIL）（2026-08-15）。 源文件：variants/onnx-pytorch/RELEASE.md

1. 镜像标识#

项目

值

镜像名称

devcontainer-base

变体标签

onnx-pytorch-latest（滚动）

完整引用

devcontainer-base:onnx-pytorch-latest

镜像大小

1.45 GiB（1,448,248,185 bytes）

架构

x86_64 (amd64)

基础系统

Ubuntu 26.04 LTS

基础镜像

devcontainer-base:conda-llvm-${BASE_TAG}

2. 发布元数据#

项目

值

版本

v1.1.0（架构适配版）

变体层构建日期

2026-08-14T16:20:50Z（UTC）/ 2026-08-15 00:20:50 CST

构建环境

WSL2 / Linux + Docker BuildKit

构建命令

bash variants/build.sh --variant onnx-pytorch --cn

验证状态

✅ 23/23 测试通过（0 FAIL）

Build-Info 路径

/etc/devcontainer-variant-onnx-pytorch-build-info

torch 环境

conda base 环境（/opt/conda/bin，Python 3.13.13，GIL 启用）

Jupyter 环境

conda main 环境（/opt/conda/envs/main/bin，Python 3.14.6 free-threading，GIL 禁用）

PATH 优先级

conda-bin-first（/opt/conda/bin 置于最前，torch/onnx 直达）

3. v1.1.0 变更总结（v1.0.x → v1.1.0）#

核心变更：适配 conda-llvm 基础镜像布局迁移（jupyter 服务移至 main 环境），新增架构守卫与生态完整性测试，补齐 AGENTS.md/RELEASE.md 发布资产。

3.1 变更清单#

类别

变更

说明

缺陷修复

VALIDATE 7/10 jupyter 路径

原硬编码 /opt/conda/bin/jupyter（基础镜像迁移后不存在，导致构建 exit 127）；改为 supervisord 实际使用的 /opt/conda/envs/main/bin/jupyter

测试增强

20 → 23 项

新增 T21 GIL 启用守卫、T22 ONNX 生态完整导入（onnxsim/onnxoptimizer/onnxscript）、T23 devuser 功能验证

资产补齐

AGENTS.md / RELEASE.md

新增变体级 AI 入口（含 base 环境 GIL 启用架构约束）；本发布清单

文档修正

README / .agents 规则

/opt/venv 与 /opt/conda/bin/jupyter 过时引用 → main 环境 jupyter 绝对路径

构建同步

build.sh 验证命令

新增 GIL 启用正向断言 + ONNX 生态导入验证

3.2 关键架构事实（v1.1.0 确立）#

环境

Python

GIL

角色

base（/opt/conda/bin）

3.13.13

启用

torch/onnx/onnxruntime 训练导出环境（PATH 优先）

main（/opt/conda/envs/main/bin）

3.14.6 cp314t

禁用（free-threading）

Jupyter 服务（supervisord 绝对路径启动）

  • 架构正交：本变体用 base 环境（GIL 启用）承载 torch 生态；onnx-dev/onnx-quantized 用 main 环境（free-threading）承载纯 ONNX 生态。

  • onnxoptimizer 本变体保留（base GIL 启用无兼容问题），与 onnx-dev/onnx-quantized 的排除策略形成直接对比。

4. 版本矩阵（实测值）#

组件

实际版本

环境

类型

Python

3.13.13（标准构建，GIL 启用）

base

torch 运行时

Python

3.14.6（cp314t free-threading）

main

Jupyter 服务

PyTorch

2.13.0+cpu

base

深度学习框架

torchvision

0.28.0+cpu

base

视觉工具包

ONNX

1.22.0

base

模型格式

ONNX Runtime

1.28.0

base

推理引擎

ONNX Script

0.7.1

base

脚本工具

ONNX Simplifier

v0.7.3

base

模型简化

onnxoptimizer

0.4.2

base

图优化（本变体保留）

Conda

26.3.2

-

包管理器

LLVM / Clang

22.1.8

main

编译工具链（继承 conda-llvm）

CUDA

不可用（False，CPU 构建）

-

by design

PACKAGES_INSTALLED=torch,torchvision,onnx,onnxruntime,onnx-simplifier,onnxoptimizer,onnxscript PYTHON_ENV=conda-base / INSTALL_ENV=base / PATH_PRIORITY=conda-bin-first ACTIVATION_SCRIPT=/etc/profile.d/onnx-pytorch-init.sh（login shell 后备兼容）

5. 依赖链#

devcontainer-base:${BASE_TAG}    # 基础镜像（Ubuntu 26.04 + SSH + Docker DinD + Jupyter + Miniforge3）
        │
        ▼ (FROM)
devcontainer-base:conda-llvm-*   # LLVM 22.1.8 / Clang / CMake / Ninja
        │
        ▼ (FROM)
devcontainer-base:onnx-pytorch-* # 本镜像（PyTorch CPU + ONNX 生态追加层）

  • 依赖链上的 conda-llvm 在本地存在时可直接 docker build -f variants/onnx-pytorch/Dockerfile 跳过全链重建（本 v1.1.0 即采用此路径构建）。

  • 跨变体工作流：本镜像 torch.onnx.export 导出的 .onnx 移交 onnx-quantized 变体量化。

6. 构建参数（本次构建值）#

参数

本次值

默认值

BASE_TAG

latest

latest

APT_MIRROR

aliyun（–cn）

official

CONDA_MIRROR

tuna（–cn）

official

PIP_MIRROR

aliyun（–cn）

official

TORCH_INDEX_URL

https://download.pytorch.org/whl/cpu

同上

7. 验证结果（23 项测试，2026-08-15）#

层级

测试范围

用例

结果

L1 工具链

torch/torchvision/onnx/onnxruntime 版本、CUDA 缺席

T1-T6

✅

L2 导出与推理

torch 张量 op、ONNX 导出、ORT 推理

T7-T9

✅

L3 服务继承

sshd / dockerd DinD / jupyter / supervisord / devuser

T10-T16

✅

L4 环境纯净

/opt/venv 移除、PATH 优先级

T17-T18

✅

L5 构建信息

build-info、.condarc

T19-T20

✅

L6 新增守卫

T21 GIL 启用（base 标准构建）、T22 ONNX 生态完整导入、T23 devuser 功能

T21-T23

✅

汇总：TOTAL: 23 | PASSED: 23 | FAILED: 0

运行验证：bash variants/scripts/test-onnx-pytorch.sh --tag latest

8. 使用方式#

# 交互式进入容器
docker run -it --rm --privileged devcontainer-base:onnx-pytorch-latest bash

# 快速验证 torch + ONNX + ORT
docker run --rm devcontainer-base:onnx-pytorch-latest \
  /opt/conda/bin/python -c "import torch,onnx,onnxruntime;print(torch.__version__,onnx.__version__,onnxruntime.__version__)"

# 开发模式（SSH + Jupyter + DinD）
docker run -d --privileged -p 2222:22 -p 8888:8888 -p 2375:2375 \
  -e USER_PASSWORD=devpass -e JUPYTER_TOKEN=devtoken \
  -v $(pwd)/workspace:/workspace -v docker-data:/var/lib/docker \
  devcontainer-base:onnx-pytorch-latest

# 查看构建元数据
docker run --rm devcontainer-base:onnx-pytorch-latest \
  cat /etc/devcontainer-variant-onnx-pytorch-build-info

9. 使用注意#

  1. Python 路径：torch/onnx 位于 conda base 环境（/opt/conda/bin/python），PATH 已优先。

  2. Jupyter 服务：由 supervisord 以 main 环境绝对路径 /opt/conda/envs/main/bin/jupyter 启动，与 base torch 环境解耦，不受 PATH 变更影响。

  3. CPU 版 PyTorch：torch.cuda.is_available() == False（CPU 专用索引安装），不含 CUDA 支持。

  4. 量化工作流：本镜像完成训练/导出后，将 .onnx 拷入 onnx-quantized 变体执行 INT8/FP16 量化（onnxoptimizer 图优化可在本镜像先行完成）。

  5. 网络：PyTorch CPU wheel 默认从 https://download.pytorch.org/whl/cpu 下载；不可达时设 TORCH_INDEX_URL=https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cpu。

10. 变更记录#

日期

变更

2026-08-15

v1.1.0 发布：修复 jupyter 路径（base→main 环境，exit 127）；测试增强 20→23 项（GIL 启用守卫/生态导入/devuser）；新增 AGENTS.md 与 RELEASE.md；README/.agents 规则过时引用修正；build.sh 验证命令同步。23/23 测试通过

此前

v1.0.x：基于 conda-llvm（PyTorch CPU + ONNX 生态），jupyter 路径假设 /opt/conda/bin（基础镜像迁移前成立）

11. 相关文档#