Xiaomi-Robotics-U0 用 Docker 容器化部署的资源限制设置

针对Xiaomi-Robotics-U0的模型部署，Docker容器化能固定运行环境并隔离资源占用。核心做法是：先用Dockerfile打包模型和依赖，再用docker run命令限制内存、CPU和GPU，避免推理任务挤占同机其他服务。

适用场景：需要将Xiaomi-Robotics-U0模型部署在有多服务共存的机器上，通过容器隔离控制资源占用。操作动作：编写包含依赖的Dockerfile，构建后用docker run的`--memory`、`--cpus`、`--gpus`参数限制容器资源。验证方式：运行docker stats观察实际占用。风险边界：限制值过低会导致模型加载失败或推理中断，需结合硬件配置和模型实际需求调整。

编写基础镜像与依赖安装Dockerfile

Dockerfile用来固定运行环境，避免在目标机器上重复解决依赖问题。以下是一个基础模板，以Python 3.9镜像为基础，将模型文件复制进镜像，并通过pip安装依赖。

FROM python:3.9-slim

WORKDIR /app

# 将模型目录复制到镜像内
COPY ./models/ /app/models/

# 将需求文件复制并安装
COPY requirements.txt /app/
RUN pip install `--no-cache-dir` -r requirements.txt

# 将入口脚本复制
COPY app.py /app/

注意：requirements.txt中应包含推理所需的PyTorch、TensorFlow或ONNX Runtime等库，具体版本需要根据模型实际要求确定。如果模型文件较大，建议使用.dockerignore排除缓存和临时文件，减少构建上下文。

设置容器内模型加载参数

容器启动时需要确保模型能正常加载。通常用环境变量控制路径和设备，用CMD声明启动命令。

Xiaomi-Robotics-U0 用 Docker 容器化部署的资源限制设置

ENV MODEL_PATH=/app/models/model.pth
ENV DEVICE=cuda

CMD ["python", "app.py"]

如果模型需要CPU推理，将DEVICE设为cpu；如果需要GPU，先确认驱动和nvidia-container-toolkit已安装。入口脚本app.py需要显式读取这些环境变量，避免硬编码路径。

构建镜像并运行容器

构建镜像使用docker build。运行时通过-v挂载本地目录，用于持久化日志或输出结果。

docker build -t xiaomi-robotics-u0 .

docker run -d `--name` u0-container \
  -v /data/output:/app/output \
  xiaomi-robotics-u0

-v把宿主机的/data/output挂载进容器，避免容器删除后数据丢失。也可以挂载配置目录，便于调整参数而无需重新构建镜像。

为容器设置内存、CPU和GPU限制

资源限制是控制容器占用、保护同机服务的关键。常用的参数包括：

`--memory`：限制容器可用内存上限，例如`--memory`=4g表示为4GB。
`--cpus`：限制可用CPU核心数，例如`--cpus`=2表示最多使用2个核。
`--gpus`：限制可访问的GPU，例如`--gpus` '"device=0"'只使用第一块GPU。

完整示例：

docker run -d `--name` u0-container \
  `--memory`=4g \
  `--cpus`=2 \
  `--gpus` '"device=0"' \
  -v /data/output:/app/output \
  xiaomi-robotics-u0

运行后可用docker stats查看实际占用：

docker stats u0-container

该命令会输出CPU、内存、网络等实时数据。若容器无法启动或运行中崩溃，先检查docker logs，确认是否因内存或GPU限制过低导致模型加载失败。限制值需要结合模型实际需求和宿主机余量调整，建议先不限制运行观察基准，再逐步收紧。