求一种快速搭建一套指定“老”环境的方法

[shrugginG]

需求是这样的，我平常需要做一些深度学习相关的实验，但是很多实验当时所使用的环境比较老旧，那么复现这类实验无非就是两个思路：

1. 搭建出与当时实验相同的环境
2. 使用新环境重构整个代码

以我上次的一次复现精力举例，比如说 https://github.com/Antimalweb/URLNet ，他对于实验环境的要求是：

• tensorflow 1.8
• tflearn 0.3
• numpy 1.14

最抓马的情况出现了，tf1.8 依赖的 cuda 版本非常低，如果我将当前 4090 的 cuda 版本切换到指定版本，n 卡驱动也是无法兼容的，因为是服务器我不可能直接为了这个实验直接重装系统，有一个直接使用 cuda 指定版本的 docker 镜像方法也是不可行的，因为他们底层依赖的 n 卡驱动还有 linux 内核无法兼容。 无奈我就使用了第二个思路，不过 tf2 与 tf1 的差异巨大，就算有 gpt 的加持，我重构整个代码也花了一整个周末，有一点得不偿失了。 所以想请问大家有没有什么能符合我需求，能够快速搭建一台指定需求环境的方法（我甚至能想到的是去 autodl 组一张卡，然后指定一个老版本的系统镜像）