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   
cpu: INTEL x86_64
gpu: C500  
driver: 2.12.13
docker: 28.1.1

2. 环境准备

[!NOTE] maca加速卡支持使用vllm或lmdeploy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metax官方镜像作为基础镜像构建vllm环境镜像

1. 从metax官方仓库拉取基础镜像
   • 1.1 镜像获取地址：https://developer.metax-tech.com/softnova/docker
   • 1.2 在镜像网站选择AI分类，软件包类型选择vllm，操作系统选择ubuntu
   • 1.3 找到vllm:maca.ai3.1.0.7-torch2.6-py310-ubuntu22.04-amd64镜像，复制拉取命令并在本地终端执行
2. 使用 Dockerfile 构建镜像 （vllm）

   wget https://gcore.jsdelivr.net/gh/opendatalab/MinerU@master/docker/china/maca.Dockerfile
   docker build --network=host -t mineru:maca-vllm-latest -f maca.Dockerfile .
   

2.2 使用 Dockerfile 构建镜像 （lmdeploy）

wget https://gcore.jsdelivr.net/gh/opendatalab/MinerU@master/docker/china/maca.Dockerfile
# 将基础镜像从 vllm 切换为 lmdeploy
sed -i '3s/^/# /' maca.Dockerfile && sed -i '5,6s/^# //' maca.Dockerfile
docker build --network=host -t mineru:maca-lmdeploy-latest -f maca.Dockerfile .

3. 启动 Docker 容器

docker run --ipc host \
   --cap-add SYS_PTRACE \
   --privileged=true \
   --device=/dev/mem \
   --device=/dev/dri \
   --device=/dev/mxcd \
   --device=/dev/infiniband \
   --group-add video \
   --network=host \
   --shm-size '100gb' \
   --ulimit memlock=-1 \
   --security-opt seccomp=unconfined \
   --security-opt apparmor=unconfined \
   --name mineru_docker \
   -v /datapool:/datapool \
   -e MINERU_MODEL_SOURCE=local \
   -e MINERU_LMDEPLOY_DEVICE=maca \
   -it mineru:maca-vllm-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lmdeploy，替换上述命令中的mineru:maca-vllm-latest为mineru:maca-lmdeploy-latest即可。

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

不同环境下，MinerU对maca加速卡的支持情况如下表所示：

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]

• MACA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。
• 在METAX平台可以通过mx-smi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/METAX.md