MinerU项目NPU显存分配问题分析与解决方案

问题背景

在Atlas 8卡910B服务器上部署MinerU项目时，用户遇到了NPU显存分配的问题。用户已经在前6张NPU卡上运行了deepseek、embed和reranker三个模型，计划将最后两张卡(第6、7号卡)专门用于运行MinerU服务。然而实际运行时，MinerU仍然尝试使用第0号NPU卡，导致显存不足的错误。

错误现象

系统报错信息显示NPU显存不足，具体错误为：

RuntimeError: NPU out of memory. Tried to allocate 18.00 MiB (NPU 0; 60.97 GiB total capacity; 1.70 GiB already allocated; 1.70 GiB current active; 20.04 MiB free; 1.82 GiB reserved in total by PyTorch)

通过npu-smi工具监控发现，MinerU进程(pt_main_thread)确实运行在第0号NPU卡上，而用户期望使用的第6、7号卡处于空闲状态。

原因分析

1. 设备分配机制：虽然用户在docker run命令中通过--device参数指定了使用第6、7号NPU卡，但这只是为容器提供了访问这些设备的权限，并不能自动将应用程序绑定到特定NPU卡上。

2. 框架默认行为：PyTorch等深度学习框架在默认情况下会尝试使用第一个可用的计算设备(通常是第0号卡)，除非显式指定使用其他设备。

3. 配置缺失：MinerU项目需要明确的配置来指定使用哪张NPU卡，否则会遵循框架的默认行为。

解决方案

方法一：修改配置文件

MinerU项目通过magic-pdf.json配置文件来指定运行参数。用户可以在配置文件中明确指定使用哪张NPU卡：

1. 定位配置文件：通常位于/root/magic-pdf.json
2. 修改配置项：将npu参数改为npu:6，表示使用第6号NPU卡

方法二：程序启动时指定设备

如果项目支持命令行参数，可以在启动MinerU时通过参数指定使用的NPU设备，例如：

python mineru.py --device npu:6

方法三：环境变量控制

某些框架支持通过环境变量指定默认设备，可以尝试设置：

export CUDA_VISIBLE_DEVICES=6,7

注意：对于NPU设备，可能需要使用特定的环境变量名称。

最佳实践建议

1. 多卡管理：在服务器上运行多个模型时，建议为每个服务分配固定的NPU卡，避免资源冲突。

2. 显存监控：定期使用npu-smi工具监控各卡的显存使用情况，及时发现潜在问题。

3. 配置文档：为每个服务维护详细的配置文档，记录使用的NPU卡号和资源配额。

4. 容器隔离：考虑为每个重要服务创建单独的容器，并在容器层面限制可访问的NPU设备。

技术原理扩展

在异构计算环境中，设备分配是一个重要但常被忽视的问题。现代深度学习框架通常提供多种方式来控制设备分配：

1. 设备编号：NPU/GPU设备通常从0开始编号，可以通过数字或字符串指定。

2. 设备上下文：在代码中可以使用with语句创建设备上下文，确保特定代码块在指定设备上运行。

3. 数据并行：对于需要多卡并行的情况，框架通常提供分布式数据并行(DDP)等机制来简化多设备管理。

对于MinerU这样的文档处理系统，合理分配计算资源尤为重要，因为文档处理通常涉及多个计算密集型阶段(如OCR、文本嵌入、语义分析等)，每个阶段可能有不同的计算资源需求。

总结

在Atlas服务器上部署MinerU项目时，正确配置NPU设备是确保服务稳定运行的关键。通过修改配置文件明确指定使用的NPU卡号，可以有效解决显存分配问题。对于复杂的多模型部署场景，建议建立规范的设备分配策略和监控机制，以充分利用硬件资源并避免冲突。