1. 测试平台
以下为本指南测试使用的平台信息，供参考：
os: Ubuntu 22.04.5 LTS
cpu: Hygon Hygon C86 7490
mlu: MLU590-M9D
driver: v6.2.11
docker: 28.3.0
2. 环境准备
[!NOTE] Cambricon加速卡支持使用
lmdeploy或vllm进行VLM模型推理加速。请根据实际需求选择安装和使用其中之一:
2.1 使用 Dockerfile 构建镜像 （lmdeploy）
wget https://gcore.jsdelivr.net/gh/opendatalab/MinerU@master/docker/china/mlu.Dockerfile
docker build --network=host -t mineru:mlu-lmdeploy-latest -f mlu.Dockerfile .
2.2 使用 Dockerfile 构建镜像 （vllm）
wget https://gcore.jsdelivr.net/gh/opendatalab/MinerU@master/docker/china/mlu.Dockerfile
# 将基础镜像从 lmdeploy 切换为 vllm
sed -i -e '3,4s/^/# /' -e '6,7s/^# //' mlu.Dockerfile
docker build --network=host -t mineru:mlu-vllm-latest -f mlu.Dockerfile .
3. 启动 Docker 容器
docker run --name mineru_docker \
--privileged \
--ipc=host \
--network=host \
--shm-size=400g \
--ulimit memlock=-1 \
-v /dev:/dev \
-v /lib/modules:/lib/modules:ro \
-v /usr/bin/cnmon:/usr/bin/cnmon \
-e MINERU_MODEL_SOURCE=local \
-e MINERU_LMDEPLOY_DEVICE=camb \
-it mineru:mlu-lmdeploy-latest \
/bin/bash
[!TIP] 请根据实际情况选择使用
vllm或lmdeploy版本的镜像，如需使用vllm,请执行以下操作：
替换上述命令中的
mineru:mlu-lmdeploy-latest为mineru:mlu-vllm-latest进入容器后，通过以下命令切换venv环境：
source /torch/venv3/pytorch_infer/bin/activate切换成功后，您可以在命令行前看到
(pytorch_infer)的标识，这表示您已成功进入vllm的虚拟环境。
执行该命令后，您将进入到Docker容器的交互式终端，您可以直接在容器内运行MinerU相关命令来使用MinerU的功能。
您也可以直接通过替换/bin/bash为服务启动命令来启动MinerU服务，详细说明请参考通过命令启动服务。
4. 注意事项
[!NOTE] 兼容性说明：由于寒武纪（Cambricon）目前对 vLLM v1 引擎的支持尚待完善，MinerU 现阶段采用 v0 引擎作为适配方案。 受此限制，vLLM 的异步引擎（Async Engine）功能存在兼容性问题，可能导致部分使用场景无法正常运行。 我们将持续跟进寒武纪对 vLLM v1 引擎的支持进展，并及时在 MinerU 中进行相应的适配与优化。
不同环境下，MinerU对Cambricon加速卡的支持情况如下表所示：
[!TIP]
lmdeploy黄灯问题为不能输入文件夹使用批量解析功能，输入单个文件时表现正常。vllm黄灯问题为在精度未对齐，在部分场景下可能出现预期外结果。
注：
🟢: 支持，运行较稳定，精度与Nvidia GPU基本一致
🟡: 支持但较不稳定，在某些场景下可能出现异常，或精度存在一定差异
🔴: 不支持，无法运行，或精度存在较大差异
[!TIP]
- Cambricon加速卡指定可用加速卡的方式与NVIDIA GPU类似，请参考使用指定GPU设备章节说明, 将环境变量
CUDA_VISIBLE_DEVICES替换为MLU_VISIBLE_DEVICES即可。- 在Cambricon平台可以通过
cnmon命令查看加速卡的使用情况，并根据需要指定空闲的加速卡ID以避免资源冲突。
Source: docs/zh/usage/acceleration_cards/Cambricon.md