InternLM/lmdeploy项目Docker构建问题分析与解决方案
2025-06-03 04:23:32作者:柯茵沙
问题背景
在构建InternLM/lmdeploy项目的ARM64架构Ascend版本Docker镜像时,发现Dockerfile中存在两个关键问题:
- 构建过程中尝试从requirements目录加载runtime.txt文件,但该文件实际上并不存在
- 使用了较新Docker才支持的
--mount=type=cache参数,而EulerOS等系统默认安装的Docker 18.*版本不支持此参数
技术分析
缺失的runtime.txt文件
项目在重构requirements管理结构后,Dockerfile未能同步更新。原Dockerfile中引用的runtime.txt文件已不再使用,特别是triton相关依赖已从Ascend版本的requirements中移除。
Docker构建缓存问题
--mount=type=cache是Docker BuildKit提供的高级功能,用于在构建过程中缓存依赖包,可以显著加快重复构建的速度。但这一功能需要较新版本的Docker(19.03+)支持,且需要启用BuildKit功能。
解决方案
针对runtime.txt缺失问题
可以直接删除Dockerfile中引用runtime.txt的相关行,因为:
- 这些依赖已不再需要
- 项目已采用其他方式管理这些运行时依赖
针对Docker版本兼容性问题
有三种可行的解决方案:
-
升级Docker版本:将系统Docker升级到19.03或更高版本
- 优点:可以使用最新Docker功能
- 缺点:可能需要系统管理员权限
-
修改Dockerfile:移除
--mount=type=cache参数- 优点:兼容性好
- 缺点:失去构建缓存优化
-
启用BuildKit:在支持的环境下显式启用BuildKit
DOCKER_BUILDKIT=1 docker build ...- 优点:保留优化功能
- 缺点:仍需要较新Docker版本
最佳实践建议
对于生产环境部署,建议:
- 使用Ubuntu等支持较新Docker版本的系统作为构建环境
- 保持Dockerfile与项目requirements管理结构的同步更新
- 在CI/CD流程中明确标注所需的Docker版本要求
- 考虑提供多版本Dockerfile以适应不同环境
项目维护建议
对于开源项目维护者,建议:
- 建立Dockerfile变更与requirements更新的联动机制
- 在文档中明确标注构建环境要求
- 考虑提供基础镜像以简化用户构建过程
- 增加构建测试覆盖更多环境场景
通过以上分析和解决方案,用户可以更顺利地构建InternLM/lmdeploy项目的Docker镜像,同时也为项目维护者提供了改进建议。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147