update 国内网络环境

2026-05-07 19:27:30 +08:00 · 2026-05-07 19:27:30 +08:00 · b74a825ac2
parent c582d87725
commit b74a825ac2
3 changed files with 176 additions and 30 deletions
--- a/docs/VLM_INTEGRATION.md
+++ b/docs/VLM_INTEGRATION.md
@ -54,13 +54,18 @@ VISION_BACKEND=hybrid VLM_INTERVAL=10.0 ./run_all.sh mapping --explore --vision
 ### 3.1 安装依赖（GPU 容器内执行）

 ```bash
+# 国内环境（默认）：自动使用阿里云 pip 镜像 + 魔搭 ModelScope 下载模型
 bash scripts/install_vlm.sh
+
+# 境外环境（官方源）
+USE_CHINA_MIRROR=false bash scripts/install_vlm.sh
 ```

 该脚本会自动：
- 检测 CUDA 环境，按需安装 PyTorch 2.1.2+cu121
- 安装 transformers、accelerate、qwen-vl-utils
+- 检测 CUDA 环境，按需安装 PyTorch 2.1.2+cu121（国内优先阿里云镜像，失败则回退官方源）
+- pip 包使用阿里云镜像加速（transformers、accelerate、qwen-vl-utils 等）
 - Ampere 架构 GPU 自动安装 Flash Attention 2
+- **国内默认通过魔搭 ModelScope 下载模型**（无需 HuggingFace 连通性）
 - 预下载 Qwen2.5-VL-3B-Instruct 模型（约 6-8GB，缓存到 EFS）

 ### 3.2 验证安装
@ -119,11 +124,13 @@ VLM 输出支持两种解析策略：
 1. **JSON 提取**：优先匹配 `{"objects": [...], "scene_description": "..."}`
 2. **原生 grounding 兜底**：解析 `<|box_start|>(x1,y1),(x2,y2)<|box_end|>`

-### 模型缓存
+### 模型缓存与离线加载

- 首次下载约 6-8GB，缓存到 `/workspace/.cache/huggingface`（EFS 持久化）
- 容器重启后无需重新下载
- 可在镜像构建时预置到 `/opt/vendor/vlm_models/` 以加速启动
+- **国内模式**：模型通过魔搭 ModelScope 下载到 `/workspace/.cache/modelscope/hub/...`，同时记录本地路径到 `/workspace/.vlm_model_path`
+- **境外模式**：模型通过 HuggingFace 官方源下载到 `/workspace/.cache/huggingface/hub/...`，同样记录本地路径
+- `run_all.sh` 启动时会自动 `source /workspace/.vlm_model_path`，detector.py 直接使用本地路径加载，**无需运行时联网**
+- 容器重启后无需重新下载（EFS 持久化）
+- 可在镜像构建时预置到 `/opt/vendor/vlm_models/` 以进一步加速启动

 ---

--- a/run_all.sh
+++ b/run_all.sh
@ -309,12 +309,16 @@ if [[ "$WITH_VISION" == true ]]; then
  # VLM 运行时配置（VISION_BACKEND=yolo|vlm|hybrid）
  export VISION_BACKEND="${VISION_BACKEND:-yolo}"
  export VLM_INTERVAL="${VLM_INTERVAL:-5.0}"
-  export VLM_MODEL="${VLM_MODEL:-Qwen/Qwen2.5-VL-3B-Instruct}"
  export VLM_MAX_NEW_TOKENS="${VLM_MAX_NEW_TOKENS:-256}"
  export VLM_PROMPT="${VLM_PROMPT:-}"
  export VLM_MIN_PIXELS="${VLM_MIN_PIXELS:-200704}"
  export VLM_MAX_PIXELS="${VLM_MAX_PIXELS:-501760}"
  export HF_HOME="${HF_HOME:-/workspace/.cache/huggingface}"
+  # 如果 install_vlm.sh 记录了本地模型路径，优先使用（避免运行时联网下载）
+  if [[ -f /workspace/.vlm_model_path ]]; then
+    source /workspace/.vlm_model_path
+  fi
+  export VLM_MODEL="${VLM_MODEL:-Qwen/Qwen2.5-VL-3B-Instruct}"
  start_bg "D_vision_yolo" ros2 run vision_yolo detector
  last_index=$(( ${#PIDS[@]} - 1 ))
  VISION_PID="${PIDS[$last_index]}"
--- a/scripts/install_vlm.sh
+++ b/scripts/install_vlm.sh
@ -1,29 +1,70 @@
 #!/bin/bash
 set -euo pipefail
 # =============================================================================
-# VLM (Qwen2.5-VL-3B) 依赖安装脚本
+# VLM (Qwen2.5-VL-3B) 依赖安装脚本 — 国内镜像优化版
 # =============================================================================
 # 运行环境：ECS GPU 容器（/workspace 挂载在 EFS 上持久化）
 # 前置条件：NVIDIA GPU 可用，CUDA 驱动已安装
+#
+# 国内镜像策略：
+#   - pip 包：阿里云镜像
+#   - HuggingFace 模型：hf-mirror.com（默认）或魔搭 ModelScope
+#   - PyTorch：优先阿里云，若缺失则回退官方源
+#
+# 如需使用官方源（境外环境）：
+#   USE_CHINA_MIRROR=false bash scripts/install_vlm.sh
 # =============================================================================

 ROOT="/workspace"
 SITE_PACKAGES="${ROOT}/.site-packages"
 VLM_MODEL_CACHE="${ROOT}/.cache/huggingface"

+# 国内镜像开关（默认启用）
+USE_CHINA_MIRROR="${USE_CHINA_MIRROR:-true}"
+
+# pip 镜像
+PIP_MIRROR_ALIYUN="https://mirrors.aliyun.com/pypi/simple/"
+PIP_MIRROR_TSINGHUA="https://pypi.tuna.tsinghua.edu.cn/simple"
+PIP_MIRROR_OFFICIAL="https://pypi.org/simple"
+
+# HuggingFace 镜像
+HF_MIRROR="https://hf-mirror.com"
+
+# 魔搭 ModelScope（阿里云出品，国内速度极快）
+MODELSCOPE_CACHE="${ROOT}/.cache/modelscope"
+
 RED='\033[0;31m'
 GREEN='\033[0;32m'
 YELLOW='\033[1;33m'
+BLUE='\033[0;34m'
 NC='\033[0m'

 log_info()  { echo -e "${GREEN}[INFO]${NC} $*"; }
 log_warn()  { echo -e "${YELLOW}[WARN]${NC} $*"; }
 log_error() { echo -e "${RED}[ERROR]${NC} $*"; }
+log_step()  { echo -e "${BLUE}[STEP]${NC} $*"; }
+
+# -----------------------------------------------------------------------------
+# 配置镜像
+# -----------------------------------------------------------------------------
+if [[ "$USE_CHINA_MIRROR" == "true" ]]; then
+    log_info "国内镜像模式已启用（USE_CHINA_MIRROR=true）"
+    PIP_INDEX="--index-url $PIP_MIRROR_ALIYUN"
+    HF_ENDPOINT="$HF_MIRROR"
+    export HF_ENDPOINT
+    export PIP_INDEX_URL="$PIP_MIRROR_ALIYUN"
+    # 让 huggingface_hub 使用国内 endpoint
+    export HF_HUB_ENABLE_HF_TRANSFER=0
+else
+    log_info "官方源模式（USE_CHINA_MIRROR=false）"
+    PIP_INDEX=""
+    HF_ENDPOINT="https://huggingface.co"
+fi

 # -----------------------------------------------------------------------------
 # 0. 环境检查
 # -----------------------------------------------------------------------------
-log_info "检查 GPU / CUDA 环境..."
+log_step "0. 检查 GPU / CUDA 环境..."

 if ! command -v nvidia-smi &>/dev/null; then
    log_error "nvidia-smi 未找到。请确认当前为 GPU 实例且 NVIDIA 驱动已安装。"
@ -44,29 +85,52 @@ fi
 # 1. 安装 PyTorch CUDA (如需要)
 # -----------------------------------------------------------------------------
 if [[ "$NEED_PYTORCH_CUDA" == "1" ]]; then
-    log_info "安装 PyTorch 2.1.2 + CUDA 12.1 ..."
+    log_step "1. 安装 PyTorch 2.1.2 + CUDA 12.1 ..."
+
+    if [[ "$USE_CHINA_MIRROR" == "true" ]]; then
+        # 国内环境：先尝试阿里云 pip 镜像安装 PyTorch
+        # 注意：阿里云上 PyTorch CUDA wheel 可能滞后，若失败则回退官方源
+        log_info "尝试从阿里云镜像安装 PyTorch..."
+        pip install --target="$SITE_PACKAGES" --upgrade \
+            torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 \
+            --index-url "$PIP_MIRROR_ALIYUN" \
+            --no-cache-dir || {
+            log_warn "阿里云镜像安装 PyTorch 失败，回退到官方源..."
            pip install --target="$SITE_PACKAGES" --upgrade \
                torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 \
                --index-url https://download.pytorch.org/whl/cu121 \
                --no-cache-dir
+        }
+    else
+        pip install --target="$SITE_PACKAGES" --upgrade \
+            torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 \
+            --index-url https://download.pytorch.org/whl/cu121 \
+            --no-cache-dir
+    fi
 fi

 # -----------------------------------------------------------------------------
-# 2. 安装 transformers / accelerate / qwen_vl_utils
+# 2. 安装 transformers / accelerate / qwen_vl_utils 等
 # -----------------------------------------------------------------------------
-log_info "安装 transformers + accelerate + qwen_vl_utils ..."
+log_step "2. 安装 Python 依赖包..."

-pip install --target="$SITE_PACKAGES" --upgrade \
+# 先升级 pip 本身（国内镜像）
+pip install $PIP_INDEX --upgrade pip setuptools wheel --no-cache-dir || true
+
+pip install --target="$SITE_PACKAGES" $PIP_INDEX --upgrade \
    "transformers>=4.40.0" \
    "accelerate>=0.30.0" \
    "qwen-vl-utils>=0.0.8" \
    "pillow>=10.0.0" \
    "safetensors>=0.4.0" \
+    "huggingface-hub>=0.23.0" \
    --no-cache-dir

 # -----------------------------------------------------------------------------
 # 3. 可选：安装 Flash Attention 2 (Ampere+ GPU)
 # -----------------------------------------------------------------------------
+log_step "3. 检查 GPU 架构..."
+
 GPU_ARCH=$(python3 -c "
 import sys, os
 sys.path.insert(0, '$SITE_PACKAGES')
@ -77,16 +141,16 @@ print(f'{major}{minor}')

 if [[ "$GPU_ARCH" == "8"* ]] || [[ "$GPU_ARCH" == "9"* ]]; then
    log_info "检测到 Ampere/Hopper 架构 (sm_$GPU_ARCH)，尝试安装 Flash Attention 2..."
-    pip install --target="$SITE_PACKAGES" --no-build-isolation \
+    pip install --target="$SITE_PACKAGES" $PIP_INDEX --no-build-isolation \
        "flash-attn>=2.5.0" --no-cache-dir || log_warn "Flash Attention 安装失败，将使用 eager attention"
 else
    log_warn "GPU 架构 sm_$GPU_ARCH 不支持 Flash Attention 2，跳过安装"
 fi

 # -----------------------------------------------------------------------------
-# 4. 验证安装
+# 4. 验证 Python 包
 # -----------------------------------------------------------------------------
-log_info "验证 Python 包..."
+log_step "4. 验证 Python 包..."

 python3 -c "
 import sys
@ -114,53 +178,124 @@ print('qwen_vl_utils OK')
 "

 # -----------------------------------------------------------------------------
-# 5. 预下载模型（可选，推荐）
+# 5. 预下载模型（国内镜像优先）
 # -----------------------------------------------------------------------------
 VLM_MODEL="${VLM_MODEL:-Qwen/Qwen2.5-VL-3B-Instruct}"

-log_info "预下载 VLM 模型: $VLM_MODEL ..."
-log_info "模型将缓存到: $VLM_MODEL_CACHE"
+log_step "5. 预下载 VLM 模型: $VLM_MODEL ..."

 mkdir -p "$VLM_MODEL_CACHE"

-python3 -c "
+if [[ "$USE_CHINA_MIRROR" == "true" ]]; then
+    log_info "尝试通过魔搭 ModelScope 下载模型（国内 fastest）..."
+
+    # 先安装 modelscope
+    pip install --target="$SITE_PACKAGES" $PIP_INDEX --upgrade \
+        "modelscope>=1.15.0" --no-cache-dir
+
+    python3 -c "
+import sys
+sys.path.insert(0, '$SITE_PACKAGES')
+
+from modelscope import snapshot_download
+
+# Qwen 模型在魔搭的命名空间：qwen/Qwen2.5-VL-3B-Instruct
+model_id = '$VLM_MODEL'
+# 如果是 HuggingFace 格式的 model_id，转换为魔搭格式
+if model_id.startswith('Qwen/'):
+    modelscope_id = model_id.replace('Qwen/', 'qwen/')
+else:
+    modelscope_id = model_id
+
+print(f'使用魔搭下载: {modelscope_id}')
+model_dir = snapshot_download(
+    modelscope_id,
+    cache_dir='$MODELSCOPE_CACHE',
+)
+print(f'模型已下载到: {model_dir}')
+
+# 记录本地模型路径，供 run_all.sh / detector.py 直接使用
+path_file = '/workspace/.vlm_model_path'
+with open(path_file, 'w') as f:
+    f.write(f'export VLM_MODEL={model_dir}\\n')
+print(f'本地模型路径已记录到: {path_file}')
+
+# 验证可以加载
+from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
+print('验证模型加载...')
+model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
+    model_dir,
+    torch_dtype='auto',
+    device_map='auto',
+    trust_remote_code=True,
+)
+processor = AutoProcessor.from_pretrained(
+    model_dir,
+    trust_remote_code=True,
+)
+print('模型加载验证成功！')
+"
+else
+    log_info "使用 HuggingFace 官方源下载模型..."
+    export HF_HOME="$VLM_MODEL_CACHE"
+
+    python3 -c "
 import sys
 import os
 sys.path.insert(0, '$SITE_PACKAGES')
 os.environ['HF_HOME'] = '$VLM_MODEL_CACHE'

 from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
+from huggingface_hub import snapshot_download
+
 print(f'正在下载模型: $VLM_MODEL ...')
+# 先下载到本地缓存
+model_dir = snapshot_download(
+    repo_id='$VLM_MODEL',
+    cache_dir='$VLM_MODEL_CACHE/hub',
+)
+print(f'模型已下载到: {model_dir}')
+
+# 记录本地模型路径
+path_file = '/workspace/.vlm_model_path'
+with open(path_file, 'w') as f:
+    f.write(f'export VLM_MODEL={model_dir}\\n')
+print(f'本地模型路径已记录到: {path_file}')
+
+# 验证加载
 model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
-    '$VLM_MODEL',
+    model_dir,
    torch_dtype='auto',
    device_map='auto',
    trust_remote_code=True,
 )
 processor = AutoProcessor.from_pretrained(
-    '$VLM_MODEL',
+    model_dir,
    trust_remote_code=True,
 )
-print('模型下载完成！')
+print('模型加载验证成功！')
 "
+fi

 # -----------------------------------------------------------------------------
 # 6. 完成
 # -----------------------------------------------------------------------------
-log_info "安装完成！"
+log_step "6. 安装完成！"
 log_info ""
 log_info "============================================"
 log_info "  VLM 安装摘要"
 log_info "============================================"
 log_info "模型: $VLM_MODEL"
-log_info "缓存路径: $VLM_MODEL_CACHE"
+log_info "HF 缓存: $VLM_MODEL_CACHE"
+log_info "魔搭缓存: $MODELSCOPE_CACHE"
 log_info "Python 包路径: $SITE_PACKAGES"
+log_info "国内镜像: $USE_CHINA_MIRROR"
 log_info ""
 log_info "使用方法:"
 log_info "  export VISION_BACKEND=vlm"
 log_info "  export VLM_INTERVAL=5.0"
 log_info "  ros2 run vision_yolo detector"
 log_info ""
-log_info "如需使用 AWQ 量化版（显存 3-4GB）:"
+log_info "AWQ 量化版（显存 3-4GB）:"
 log_info "  export VLM_MODEL=Qwen/Qwen2.5-VL-3B-Instruct-AWQ"
 log_info "============================================"