README.md

# MinerU（国产 DCU 环境）完整部署与使用指南  
（已适配华为昇腾 DCU，删除 torch 编译依赖 & sglang，推荐 pipeline 后端）

### 基础镜像信息
- **镜像名称**：  
  `image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.4.1-ubuntu22.04-dtk25.04-py3.10-fixpy`
- **镜像来源（光源地址）**：  
  https://sourcefind.cn/#/image/dcu/pytorch?activeName=overview

### 1. 启动 DCU 容器（推荐命令）

```bash
docker run -id \
    --name mineru-dcu \
    --shm-size=256G \
    --ipc=host \
    --network=host \
    --privileged \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    --device=/dev/kfd \
    --device=/dev/mkfd \
    --device=/dev/dri \
    -v /opt/hyhal:/opt/hyhal \
    -v /data:/data \
    -v $(pwd):/workspace \
    image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.4.1-ubuntu22.04-dtk25.04-py3.10-fixpy \
    /bin/bash
```

### 2. 进入容器并安装 MinerU（已精简依赖）

```bash
# 克隆代码
git clone https://github.com/opendatalab/MinerU.git
cd MinerU

# 【重要】删除以下三处不需要的 torch 相关依赖（镜像已预装 DCU 版 PyTorch）
# 编辑 setup.py 或 pyproject.toml，把以下内容删除或注释掉：
#   - pipeline_old_linux
#   - pipeline
#   - vlm
#   - sglang（整个依赖删掉）

# 推荐使用阿里源加速安装
pip install -e .[core] -i https://mirrors.aliyun.com/pypi/simple/
```

### 3. 命令行单文件快速测试

```bash
# 设置模型默认从 ModelScope 下载（国内最快）
export MINERU_MODEL_SOURCE=modelscope

# 转换 PDF（自动识别中英文，输出 Markdown）
mineru -p demo/pdfs/demo1.pdf -o ./output_demo --source modelscope
```

### 4. 启动 API 服务（推荐）

```bash
export MINERU_MODEL_SOURCE=modelscope

mineru-api --host 0.0.0.0 --port 8000 --backend pipeline
```

### 5. 调用 API 示例（curl）

```bash
curl -X 'POST' \
  'http://localhost:8000/file_parse' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'files=@./demo/pdfs/demo1.pdf;type=application/pdf' \
  -F 'parse_method=auto' \
  -F 'lang_list=ch' \
  -F 'start_page_id=0' \
  -F 'end_page_id=99999' \
  -F 'backend=pipeline' \
  -F 'return_md=true' \
  -F 'return_middle_json=false' \
  -F 'return_model_output=false' \
  -F 'return_images=false' \
  -F 'return_content_list=false' \
  -F 'table_enable=true' \
  -F 'formula_enable=true' \
  -F 'output_dir=./output'
```