# 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 \
    -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 |

---

## 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: 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*