跳转至

Docker 安装（无 GPU 环境镜像）

no-gpu 部署

适用于没有显卡或仅需进行逻辑测试的用户。

  • step 0 拉取 docker base image 对于国内用户，建议先从国内镜像站获取 base image: 

    docker pull docker.m.daocloud.io/library/ubuntu:24.04
docker tag docker.m.daocloud.io/library/ubuntu:24.04 ubuntu:24.04

  • step 1 关闭 CUDA

在项目根目录下(不是 docker_install 文件夹内)创建 config.mk.local，禁用 CUDA： 

rm -f config.mk.local
echo "USE_CUDA := 0" > config.mk.local

  • step 2 构建 docker image
# a. 使用清华镜像源（推荐国内用户）：
docker build -t psum:no-gpu \
  --build-arg MIRROR_URL=//mirrors.tuna.tsinghua.edu.cn \
  -f docker_install/dockerfile_no_gpu .

# b. 使用官方源：
docker build -t psum:no-gpu -f docker_install/dockerfile_no_gpu .
  • step 3 启动容器

在项目根目录下执行以下命令进入容器。注意 -v 参数会将你当前的源码目录映射到容器的 /workspace： 

docker run -it --name psum_cpu_dev -v $(pwd):/workspace psum:no-gpu bash

  • step 4 容器内编译

进入容器终端后，执行以下标准流程： 

bash env_scan.sh
source env_load.sh
bash build.sh

编译结果：

  • Field solver: CPU ✅ | Multigrid ✅ | Direct ✅ | GPU ❌ (no-gpu 版本)
  • Pypsum 序列化: ✅ 编译成功 | ✅ Python 交互测试通过

由于使用了 -v $(pwd):/workspace，在宿主机用 VS Code 修改的代码， 在容器也能同步看到更改，make 或执行测试会相应生效。

配置后，在容器内部应当能够正确编译和运行 psum 中的代码。

最后，将项目文件夹下的env_load.sh的内容添加到容器内的 ~/.bashrc 文件中，以便进入容器时能自动加载环境变量。

后续再次进入容器： 

docker start -i psum_cpu_dev