query_feature.cuda()

由于你提到的问题涉及到一个MMCV库与CUDA环境的兼容性问题[^1]，`query_feature.cuda()`这个函数可能是在使用MMCV进行深度学习任务时，尝试利用CUDA加速计算特征查询的部分。当你遇到错误`undefined symbol`，这通常意味着你在运行的环境中找不到对应的CUDA内核（kernel）。

在你的场景中，工作站在使用GeForce RTX 2080 Ti，Turing架构的GPU，而Docker容器里则是Tesla V100-SXM2-32GB，Volta架构的GPU。要解决这个问题，你需要注意两个关键点：

1. **不同架构之间的兼容**：由于两个GPU属于不同的架构（Turing vs Volta），某些CUDA内核可能不兼容。当安装MMCV时，建议指定特定的CUDA架构以确保库能够找到正确的内核。如你所说，可以使用`TORCH_CUDA_ARCH_LIST=7.0`来告诉pip安装对应于V100 Volta架构的库。

2. **导入模块**：在调用`query_feature.cuda()`之前，确保已经正确地设置了CUDA路径和配置，并且MMCV库已经被安装到支持该架构的版本上。这可能包括更新环境变量、重新加载库或者其他适当的初始化步骤。

然而，具体的解决方案会依赖于你的实际代码环境和MMCV库的具体实现。你可以尝试按照以下步骤操作：

# 设置CUDA架构
export TORCH_CUDA_ARCH_LIST="7.0"
# 更新mmcv-full
pip install --upgrade mmcv-full
# 确保已正确初始化cuda设备
import torch
device = torch.device('cuda')
# 如果有mmcv相关的初始化，也需要做类似的操作
if hasattr(mmcv, 'set_device'):
    mmcv.set_device(device)

# 然后尝试运行query_feature.cuda()
from mmcv.ops import query_feature
feature = query_feature(cuda=True)

如果上述步骤无法解决问题，可能需要查看MMCV的文档或社区论坛，寻求针对你所遇到的具体错误更详细的指导。