533 lines
17 KiB
Markdown
533 lines
17 KiB
Markdown
# MinerU AMD GPU Docker 部署指南
|
||
|
||
> **Ubuntu 24.04 + ROCm 7.2.1 + PyTorch 2.11.0+rocm7.2 + vllm main + MinerU 3.2.0**
|
||
> 面向原生 Linux，通过 Docker 容器化一键部署
|
||
> 实测通过：RX 9070 (gfx1201)，其他 RDNA2/3/4 显卡按相同流程套用
|
||
|
||
---
|
||
|
||
## 0. 为什么用 Docker
|
||
|
||
| 方案 | 适用场景 |
|
||
|------|---------|
|
||
| **裸机部署**（[MinerU本地部署教程.md](../MinerU本地部署教程.md)） | 单机开发、追求极致性能 |
|
||
| **Docker 部署**（本文） | 团队共享、CI/CD、环境隔离、快速迁移 |
|
||
|
||
Docker 方案的优势：
|
||
- 宿主机只需安装 ROCm 内核驱动 + Docker，不需要污染系统 Python/库
|
||
- 镜像一次构建，多机复用
|
||
- 模型和 MIOpen 缓存通过卷挂载持久化，容器重建不丢失
|
||
- 支持 CLI / WebUI / API 三种运行模式
|
||
|
||
**与 WSL2 教程的关键区别（原生 Linux 用户看这里）**：
|
||
|
||
| | WSL2 教程 | 本 Docker 文档 |
|
||
|:--|:--|:--|
|
||
| librocdxg 编译 | 必需 | **不需要**（原生 KFD 驱动） |
|
||
| Windows SDK | 必需 | **不需要** |
|
||
| vllm 平台检测补丁（9.10 节） | 必需 | **不需要**（amdsmi 原生可用） |
|
||
| Hyper-V / 镜像网络 / DNS | 必需 | **不需要**（Docker 网络独立） |
|
||
| ROCm 头文件补丁 | 5 个 | **5 个**（Dockerfile 自动应用） |
|
||
| MinerU RDNA 补丁 | 3 个 | **3 个**（Dockerfile 自动应用） |
|
||
|
||
---
|
||
|
||
## 1. 宿主机要求
|
||
|
||
### 1.1 硬件
|
||
|
||
| 项目 | 最低要求 | 推荐 |
|
||
|------|---------|------|
|
||
| GPU | AMD RDNA2/3/4 独显 | RX 7900 / RX 9070 / RX 7800 等 |
|
||
| 显存 | 8 GB | 16 GB+ |
|
||
| 内存 | 16 GB | 32 GB+ |
|
||
| 磁盘 | 50 GB | 100 GB+ (SSD) |
|
||
|
||
### 1.2 软件
|
||
|
||
| 组件 | 版本 | 说明 |
|
||
|------|------|------|
|
||
| 操作系统 | Ubuntu 24.04 (noble) | 也支持 22.04 (jammy)，但需改用 ROCm 7.1.1 |
|
||
| ROCm 内核驱动 | 7.2.x | `amdgpu-dkms` + `rocm-dkms`，容器**共享宿主机内核驱动** |
|
||
| Docker | ≥ 24.0 | 需要 GPU 设备透传能力 |
|
||
| Docker Compose | ≥ 2.0 | 可选，简化容器管理 |
|
||
|
||
### 1.3 显卡兼容性
|
||
|
||
查自己的 gfx 代号：
|
||
|
||
```bash
|
||
rocminfo | grep gfx
|
||
```
|
||
|
||
| 显卡 | gfx 代号 | 编译参数 | 状态 |
|
||
|------|---------|---------|:--:|
|
||
| RX 9070 XT / 9070 / 9070 GRE | gfx1201 | `ARCH=gfx1201` | 实测通过 |
|
||
| RX 9060 XT / 9060 XT LP | gfx1200 | `ARCH=gfx1200` | ROCm 7.2 起正式支持 |
|
||
| RX 7900 XTX / XT / GRE | gfx1100 | `ARCH=gfx1100` | 原生支持 |
|
||
| RX 7800 XT / 7700 XT | gfx1101 | `ARCH=gfx1101` | ROCm 较新版原生支持 |
|
||
| RX 7600 XT / 7600 | gfx1102 | `ARCH=gfx1102` | vllm 支持，可能需伪装 |
|
||
| RX 6950 / 6900 / 6800 XT / 6800 | gfx1030 | `ARCH=gfx1030` | 预期可用 |
|
||
| RX 6750 XT / 6700 XT | gfx1031 | `ARCH=gfx1030` | 伪装编译 |
|
||
|
||
不支持的：RDNA1 (gfx1010/gfx1012)、Navi 23 (gfx1032/gfx1034)、APU 核显。
|
||
|
||
---
|
||
|
||
## 2. 宿主机准备
|
||
|
||
### 2.1 安装 ROCm 内核驱动（仅内核部分）
|
||
|
||
容器里的 ROCm 用户空间库是自带的，但**内核驱动必须在宿主机上**。
|
||
|
||
```bash
|
||
# 添加 AMD ROCm 仓库
|
||
wget https://repo.radeon.com/rocm/rocm.gpg.key -O - | \
|
||
sudo gpg --dearmor | sudo tee /etc/apt/trusted.gpg.d/rocm.gpg > /dev/null
|
||
echo 'deb [arch=amd64] https://repo.radeon.com/rocm/apt/7.2.1 noble main' | \
|
||
sudo tee /etc/apt/sources.list.d/rocm.list
|
||
sudo apt update
|
||
|
||
# 只装内核驱动部分（不装整个 ROCm 用户空间）
|
||
sudo apt install -y amdgpu-dkms rocm-dkms
|
||
|
||
# 把自己加入 render/video 组
|
||
sudo usermod -a -G render,video $USER
|
||
|
||
# 重启
|
||
sudo reboot
|
||
```
|
||
|
||
验证驱动：
|
||
|
||
```bash
|
||
ls /dev/kfd /dev/dri/render* # 三个设备节点都应该存在
|
||
/opt/rocm/bin/rocminfo # 如果装了 rocminfo
|
||
```
|
||
|
||
> **如果你已经完整安装过 ROCm 7.2.1**（包括用户空间），不需要重复装内核驱动，直接跳到 2.2。
|
||
|
||
### 2.2 安装 Docker
|
||
|
||
```bash
|
||
# 官方脚本（推荐）
|
||
curl -fsSL https://get.docker.com | sudo sh
|
||
|
||
# 把自己加入 docker 组，免 sudo
|
||
sudo usermod -aG docker $USER
|
||
newgrp docker
|
||
|
||
# 验证
|
||
docker run --rm hello-world
|
||
```
|
||
|
||
### 2.3 创建数据目录
|
||
|
||
```bash
|
||
mkdir -p ~/mineru-docker/data/{input,output,models,miopen}
|
||
cd ~/mineru-docker
|
||
```
|
||
|
||
将本仓库 `docker/` 目录下的所有文件复制到 `~/mineru-docker/`（或直接在仓库目录下操作）。
|
||
|
||
目录结构：
|
||
|
||
```
|
||
~/mineru-docker/
|
||
├── Dockerfile
|
||
├── docker-compose.yml
|
||
├── env.example
|
||
├── scripts/
|
||
│ └── cache_warmer.py
|
||
└── data/
|
||
├── input/ # 放待处理的 PDF
|
||
├── output/ # 处理结果输出
|
||
├── models/ # HuggingFace / ModelScope 模型缓存
|
||
└── miopen/ # MIOpen kernel 缓存
|
||
```
|
||
|
||
复制 `env.example` 并根据你的 GPU 修改：
|
||
|
||
```bash
|
||
cp env.example .env
|
||
# 编辑 .env，将 ARCH=gfx1201 改为你的 gfx 代号
|
||
```
|
||
|
||
---
|
||
|
||
## 3. 构建镜像
|
||
|
||
### 3.1 构建
|
||
|
||
```bash
|
||
# 方式一：docker build（直接指定 ARCH）
|
||
docker build \
|
||
--build-arg ARCH=gfx1201 \
|
||
--build-arg GIT_PROXY= \
|
||
-t mineru-rocm:7.2.1 \
|
||
-f Dockerfile .
|
||
|
||
# 方式二：docker compose（使用 .env 中的 ARCH）
|
||
docker compose build
|
||
```
|
||
|
||
构建时间参考：
|
||
- 下载 ROCm 包：~5 分钟
|
||
- 编译 vllm：30-45 分钟（LLVM 22，`-j4`）
|
||
- 安装 MinerU + 依赖：~3 分钟
|
||
- **总计：约 40-60 分钟**（首次，后续利用 Docker 层缓存会快很多）
|
||
|
||
如果编译中途 OOM 被杀（exit 137），把 Dockerfile 第 155 行的 `ninja -j4` 改成 `ninja -j2`。
|
||
|
||
### 3.2 关键构建参数
|
||
|
||
| 参数 | 默认值 | 说明 |
|
||
|------|--------|------|
|
||
| `ARCH` | `gfx1201` | GPU 架构代号，见 1.3 节表格 |
|
||
| `PYTHON_VER` | `3.12` | Python 版本 |
|
||
| `VENV` | `/opt/mineru_venv` | 虚拟环境路径 |
|
||
| `TORCH_INDEX` | `https://download.pytorch.org/whl/rocm7.2` | PyTorch wheel 源 |
|
||
| `GIT_PROXY` | 空 | 仅构建时访问 GitHub 用；例如 `http://host.docker.internal:8118` |
|
||
|
||
---
|
||
|
||
## 4. 运行容器
|
||
|
||
### 4.1 启动 WebUI 服务（默认推荐）
|
||
|
||
当前 `docker-compose.yml` 默认只启动一个 GPU 直连的 `gradio` WebUI 服务，避免单卡机器因为 `worker1` 或可选 Router 退出导致整组服务不可用：
|
||
|
||
| 服务 | 宿主机端口 | 容器内端口 | 用途 |
|
||
|------|------------|------------|------|
|
||
| `gradio` | `10002` | `7860` | WebUI 前端 + 本地推理 |
|
||
|
||
```bash
|
||
docker compose up -d
|
||
|
||
# 查看容器是否都已启动
|
||
docker compose ps -a
|
||
|
||
# WebUI 健康检查：应返回 HTML 或 HTTP 状态，而不是 Connection refused
|
||
curl -v http://localhost:10002/
|
||
```
|
||
|
||
浏览器打开：`http://<宿主机IP>:10002`。
|
||
|
||
如果 `docker compose ps` 为空或显示 `Exited`，说明服务进程启动后退出，请先看日志：
|
||
|
||
```bash
|
||
docker compose logs --tail=200 gradio
|
||
```
|
||
|
||
> 注意：直接 `docker run mineru-rocm:7.2.1` 使用的是 Dockerfile 默认 `CMD ["bash"]`，只会进入/运行 shell，不会启动 WebUI/API，也就不会监听 `10002`。如需直接 `docker run` 暴露 WebUI，必须显式传入 `mineru-gradio` 命令并映射端口。
|
||
|
||
### 4.2 交互模式（调试 / 手动处理）
|
||
|
||
```bash
|
||
# docker compose（复用 gradio 的 GPU/卷配置，覆盖 command 进入 bash）
|
||
docker compose run --rm gradio bash
|
||
|
||
# 或 docker run
|
||
docker run -it --rm \
|
||
--device /dev/kfd --device /dev/dri \
|
||
--security-opt seccomp=unconfined \
|
||
--group-add video \
|
||
--ipc host \
|
||
-v ./data/input:/data/input:ro \
|
||
-v ./data/output:/data/output \
|
||
-v ./data/models:/opt/models \
|
||
-v ./data/miopen:/root/.cache/miopen \
|
||
mineru-rocm:7.2.1
|
||
```
|
||
|
||
进入容器后，虚拟环境已自动激活，可直接使用：
|
||
|
||
```bash
|
||
# 验证 GPU
|
||
python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"
|
||
|
||
# 处理 PDF
|
||
mineru -p /data/input/example.pdf -o /data/output -b hybrid-auto-engine
|
||
```
|
||
|
||
### 4.3 CLI 模式（一键处理）
|
||
|
||
```bash
|
||
docker compose run --rm gradio \
|
||
mineru -p /data/input/example.pdf -o /data/output -b hybrid-auto-engine
|
||
```
|
||
|
||
或修改 `docker-compose.yml` 的 `command` 为：
|
||
```yaml
|
||
command: mineru -p /data/input/example.pdf -o /data/output -b hybrid-auto-engine
|
||
```
|
||
|
||
### 4.4 可选：Router API 多 Worker 模式
|
||
|
||
如果确实需要独立 API Router，可启用 `router-api` profile。默认只启用 `worker0`，避免单卡机器启动 `worker1` 失败：
|
||
|
||
```bash
|
||
docker compose --profile router-api up -d
|
||
curl -v http://localhost:8000/
|
||
```
|
||
|
||
双卡时再启用 `dual-gpu` profile，并在 `.env` 中设置：
|
||
|
||
```env
|
||
ROUTER_API_URLS=http://mineru-worker0:8001,http://mineru-worker1:8002
|
||
```
|
||
|
||
```bash
|
||
docker compose --profile router-api --profile dual-gpu up -d
|
||
```
|
||
|
||
API 用法参考 [MinerU 官方文档](https://github.com/opendatalab/MinerU)。
|
||
|
||
### 4.5 中国用户：使用 ModelScope 下载模型
|
||
|
||
设置环境变量即可切换下载源：
|
||
|
||
```bash
|
||
docker compose run --rm -e MINERU_MODEL_SOURCE=modelscope gradio \
|
||
mineru -p /data/input/example.pdf -o /data/output -b hybrid-auto-engine
|
||
```
|
||
|
||
或修改 `.env`：`MINERU_MODEL_SOURCE=modelscope`
|
||
|
||
---
|
||
|
||
## 5. MIOpen 缓存预热
|
||
|
||
容器首次使用前，建议预热 MIOpen kernel 缓存（约 3-4 分钟）。缓存通过卷挂载持久化，只需执行一次。
|
||
|
||
```bash
|
||
# 进入容器
|
||
docker compose run --rm gradio bash
|
||
|
||
# 运行预热
|
||
python /opt/scripts/cache_warmer.py --device cuda --max_side 960 --step 32
|
||
```
|
||
|
||
| 输入尺寸 | 冷启动耗时 | 预热后 |
|
||
|---------|----------|-------|
|
||
| (1, 3, 544, 672) | ~1320 ms | ~30 ms |
|
||
| (1, 3, 416, 704) | ~1133 ms | ~30 ms |
|
||
|
||
缓存存在 `./data/miopen/`，升级 ROCm 版本后需重新预热。
|
||
|
||
---
|
||
|
||
## 6. 验证
|
||
|
||
```bash
|
||
docker compose run --rm gradio python -c "
|
||
import torch
|
||
from vllm.platforms import current_platform
|
||
|
||
print('=== Environment Check ===')
|
||
print(f'PyTorch : {torch.__version__}')
|
||
print(f'ROCm : {torch.version.hip}')
|
||
print(f'GPU : {torch.cuda.get_device_name(0)}')
|
||
print(f'GPU Avail: {torch.cuda.is_available()}')
|
||
print(f'Platform : {type(current_platform).__name__}')
|
||
print(f'is_rocm : {current_platform.is_rocm()}')
|
||
|
||
# 快速算力测试
|
||
x = torch.randn(100, 100).cuda()
|
||
print(f'Compute : {(x @ x).shape} PASS')
|
||
"
|
||
|
||
# 期望输出：
|
||
# PyTorch : 2.11.0+rocm7.2
|
||
# GPU Avail: True
|
||
# Platform : RocmPlatform
|
||
# is_rocm : True
|
||
# Compute : torch.Size([100, 100]) PASS
|
||
```
|
||
|
||
---
|
||
|
||
## 7. 性能参考（RX 9070，13 页 example.pdf）
|
||
|
||
| 阶段 | 耗时 / 速度 |
|
||
|:-----|:-----------|
|
||
| VLM 推理 (Two Step Extraction) | ~5 秒 (2+ it/s) |
|
||
| Layout Predict | 1.2-1.5 秒 |
|
||
| OCR-det | ~20 it/s |
|
||
| Processing pages | **65-71 it/s** |
|
||
| 13 页总耗时 | 5-7 秒 |
|
||
|
||
得益于 hipBLASLt 在线 GEMM 调优（ROCm 7.2 相比 7.1 提升约 106%）和 RX 9070 的 640 GB/s 显存带宽。
|
||
|
||
---
|
||
|
||
## 8. Dockerfile 补丁清单
|
||
|
||
Dockerfile 自动应用了以下所有补丁，了解即可（排查问题时有用）：
|
||
|
||
| # | 补丁 | 目标文件 | 原因 |
|
||
|---|------|---------|------|
|
||
| 1 | hipcc/clang 符号链接 | 系统 | `hipcc.pl` 硬编码 `clang-17`，ROCm 7.2 实际带 `clang-22` |
|
||
| 2 | `__hip_internal::conditional` | `/opt/rocm/include/hip/*.h` | LLVM 22 不接受此命名空间 |
|
||
| 3 | `warpSize` 常量 | `amd_warp_functions.h` | `__AMDGCN_WAVEFRONT_SIZE` 在 LLVM 22 未定义 |
|
||
| 4 | `__activemask()` | `amd_warp_sync_functions.h` | 替换为 `__builtin_amdgcn_read_exec()` |
|
||
| 5 | mamba `operator+` 冲突 | `vllm csrc/mamba/.../selective_scan.h` | ROCm 7.2 头文件已自带定义 |
|
||
| A | imgW 32 对齐 | MinerU `predict_rec.py` | RDNA MIOpen 最优尺寸 |
|
||
| B | 批次填充 | MinerU `predict_rec.py` | 避免 MIOpen 冷启动 |
|
||
| C | contiguous 检查 | MinerU `predict_det.py` | RDNA 内存布局兼容 |
|
||
|
||
---
|
||
|
||
## 9. 常见问题
|
||
|
||
**Q: `docker: Error response from daemon: could not select device driver`**
|
||
|
||
Docker 没有 GPU 支持。安装 `nvidia-container-toolkit` 的 AMD 等价物——实际上 ROCm 不需要额外的 container runtime，只要 `/dev/kfd` 和 `/dev/dri` 存在即可。检查宿主机驱动：
|
||
|
||
```bash
|
||
ls /dev/kfd /dev/dri/render*
|
||
```
|
||
|
||
**Q: 容器启动后 `torch.cuda.is_available()` 返回 `False`**
|
||
|
||
1. 确认容器有 `--device /dev/kfd --device /dev/dri`
|
||
2. 确认 `--security-opt seccomp=unconfined`
|
||
3. 确认当前用户在宿主机的 `render` 和 `video` 组
|
||
4. 容器内运行 `rocminfo` 看能否检测到 GPU
|
||
|
||
**Q: 启动时报 `Unable to find group render: no matching entries in group file`**
|
||
|
||
这是因为 Docker Compose 的 `group_add` 使用的是容器内可解析的组名，而当前 Ubuntu 镜像内不一定存在 `render` 组。Compose 默认以 root 运行容器，并已透传 `/dev/kfd` 和 `/dev/dri`，因此默认只保留 `video` 组，不再添加 `render`。如果你改为非 root 用户运行容器，再按宿主机 `/dev/dri/render*` 的实际 GID 使用数字形式添加，例如 `group_add: ["109"]`。
|
||
|
||
**Q: `mineru-gradio` 启动时报 `ModuleNotFoundError`**
|
||
|
||
旧镜像只安装了 `mineru[core]`，可能缺少 WebUI CLI 依赖，例如 `click` 或 `gradio`。当前 Dockerfile 已显式安装 `click gradio`，并在构建期验证 `mineru.cli.gradio_app` 可导入、`mineru-gradio --help` 可执行。修改 Dockerfile 后需要重建镜像：
|
||
|
||
```bash
|
||
docker compose build --no-cache gradio
|
||
docker compose up -d --force-recreate
|
||
```
|
||
|
||
**Q: 任务失败并提示 `Please install vllm to use the vllm-async-engine backend`**
|
||
|
||
这通常不是简单的“没安装 vllm”，而是任务进程里 `import vllm` 或 `from vllm.platforms import current_platform` 失败，MinerU 将真实异常包装成了这句提示。先在容器内直接诊断：
|
||
|
||
```bash
|
||
docker compose exec gradio bash -lc '/opt/mineru_venv/bin/python - <<"PY"
|
||
import traceback
|
||
try:
|
||
import torch
|
||
import vllm
|
||
from vllm.platforms import current_platform
|
||
print("torch:", torch.__version__, "hip:", torch.version.hip)
|
||
print("vllm:", vllm.__version__)
|
||
print("platform:", type(current_platform).__name__, "is_rocm:", current_platform.is_rocm())
|
||
except Exception:
|
||
traceback.print_exc()
|
||
raise
|
||
PY'
|
||
```
|
||
|
||
当前入口脚本会在服务启动前执行同样的 vLLM 导入验证；如果验证失败，容器会直接退出并在 `docker compose logs gradio` 中显示真实 traceback，而不是等任务执行时才报泛化错误。
|
||
|
||
如果日志明确显示 `ModuleNotFoundError: No module named 'vllm'`，常见原因是 vLLM 分发元数据不可见，但 `/opt/vllm` 源码仍在。当前镜像已通过 `PYTHONPATH=/opt/vllm` 和入口脚本兜底保证可导入，避免 editable 安装触发 `pyproject.toml` 元数据校验失败。
|
||
|
||
```bash
|
||
export PYTHONPATH=/opt/vllm:${PYTHONPATH}
|
||
/opt/mineru_venv/bin/python -c "import vllm; print(vllm.__version__)"
|
||
```
|
||
|
||
入口脚本也会在启动时自动尝试这个修复。你也可以在旧容器里手动验证/修复一次：
|
||
|
||
```bash
|
||
docker compose exec gradio bash -lc 'export PYTHONPATH=/opt/vllm:${PYTHONPATH}; /opt/mineru_venv/bin/python -c "import vllm; print(vllm.__version__)"'
|
||
docker compose restart gradio
|
||
```
|
||
|
||
**Q: 构建时 `ninja` 被 kill（exit 137）**
|
||
|
||
内存不足。将 Dockerfile 中 `ninja -j4` 改为 `ninja -j2` 或 `ninja -j1`，或给 Docker 分配更多内存。
|
||
|
||
**Q: 构建在 CMake 下载阶段失败（`wget/curl exit code 4`）**
|
||
|
||
这通常是构建容器无法访问 GitHub，或把 `GIT_PROXY` 设成了容器内不可达地址（例如 `127.0.0.1:8118` 在多数 Docker 场景下指向容器自己，不是宿主机代理）。建议：
|
||
|
||
1. 不需要代理时，显式传空：`--build-arg GIT_PROXY=`
|
||
2. 需要宿主机代理时，优先用：`http://host.docker.internal:8118`
|
||
3. 先单独测试下载连通性，再完整构建
|
||
|
||
```bash
|
||
docker build --build-arg GIT_PROXY= -t mineru-rocm:7.2.1 -f Dockerfile .
|
||
|
||
# 或（宿主机代理）
|
||
docker build --build-arg GIT_PROXY=http://host.docker.internal:8118 -t mineru-rocm:7.2.1 -f Dockerfile .
|
||
```
|
||
|
||
**Q: 构建时 cmake 报 `Failed to find ROCm root directory`**
|
||
|
||
`/opt/rocm/bin` 不在 PATH 中。检查 Dockerfile 中 `ENV PATH` 是否正确设置。
|
||
|
||
**Q: 构建时 cmake 报 `roc::hipsparselt target not found`**
|
||
|
||
`hipsparselt-dev` 没装上。检查 Dockerfile 阶段 6 的 apt install 列表。
|
||
|
||
**Q: MinerU 运行时很慢（单页 > 10 秒）**
|
||
|
||
大概率 MIOpen 在冷启动。先跑一次 `cache_warmer.py`。
|
||
|
||
**Q: HuggingFace 连不上 / 模型下载失败**
|
||
|
||
切换下载源：`MINERU_MODEL_SOURCE=modelscope`。或设置代理：
|
||
|
||
```bash
|
||
docker compose run --rm -e http_proxy=http://host:port -e https_proxy=http://host:port worker0 bash
|
||
```
|
||
|
||
**Q: WebUI/API 端口无法访问**
|
||
|
||
检查 `docker-compose.yml` 中 `ports` 是否取消注释。检查宿主机防火墙。
|
||
|
||
**Q: 显存不足 (Out of Memory)**
|
||
|
||
- 8GB 显卡设置 `MINERU_VIRTUAL_VRAM_SIZE=6` 触发保守策略
|
||
- 或改用 pipeline 后端：`mineru -p input.pdf -o output -b pipeline`
|
||
|
||
---
|
||
|
||
## 10. 镜像体积优化（可选）
|
||
|
||
完整镜像约 25-30 GB（含 ROCm 库、vllm 编译产物、Python 包）。如需优化：
|
||
|
||
```dockerfile
|
||
# Dockerfile 构建完成后追加清理阶段：
|
||
RUN rm -rf /opt/vllm_build /opt/vllm/.git /opt/aiter/.git /opt/flash-attention/.git && \
|
||
apt-get clean && rm -rf /var/lib/apt/lists/* /tmp/* /var/tmp/* && \
|
||
${VENV}/bin/pip cache purge
|
||
```
|
||
|
||
---
|
||
|
||
## 11. 升级指南
|
||
|
||
### 升级 MinerU
|
||
|
||
```bash
|
||
docker compose run --rm gradio pip install --upgrade 'mineru[core]'
|
||
# 然后重新应用 RDNA 补丁（参考 Dockerfile 阶段 9）
|
||
```
|
||
|
||
### 升级 vllm / ROCm
|
||
|
||
重新构建镜像即可（补丁在 Dockerfile 中自动重应用）：
|
||
|
||
```bash
|
||
docker compose build --no-cache
|
||
```
|
||
|
||
> ROCm 版本的补丁 1-4 需要 sudo 权限，构建时 Docker 容器内默认为 root，无需额外处理。
|
||
|
||
---
|
||
|
||
*文档最后更新: 2026-06-03*
|
||
*实测环境：Ubuntu 24.04 + AMD RX 9070 (gfx1201) + ROCm 7.2.1 + PyTorch 2.11.0+rocm7.2 + vllm main + MinerU 3.2.0*
|