构建 docket uable to prepar context: path “.“ not found

复制代码

docker build -t modelscope-video .
DEPRECATED: The legacy builder is deprecated and will be removed in a future release.
            Install the buildx component to build images with BuildKit:
            https://docs.docker.com/go/buildx/

unable to prepare context: path "." not found

解决方法

1. 确认当前目录和 Dockerfile

检查当前目录 ：

bash

CollapseWrapRun
Copy

pwd ls -la
确认是否在 ~/work/miniconda（或你保存 Dockerfile 的目录），并检查是否包含 Dockerfile 和 text-to-video.py。
如果缺少 Dockerfile ：创建 Dockerfile：

bash

CollapseWrapRun
Copy

cd ~/work/miniconda nano Dockerfile
复制以下内容（优化后的 Dockerfile，基于 ubuntu:22.04 解决 GLIBCXX_3.4.29）：

dockerfile

CollapseWrap
Copy

# 使用 Ubuntu 22.04（包含 GLIBCXX_3.4.29） FROM ubuntu:22.04 # 设置非交互式安装 ENV DEBIAN_FRONTEND=noninteractive # 安装基本工具和依赖 RUN apt-get update && apt-get install -y \ python3.8 \ python3-pip \ git \ ffmpeg \ libsm6 \ libxext6 \ libxrender-dev \ libgl1-mesa-glx \ && rm -rf /var/lib/apt/lists/* # 设置 Python 3.8 为默认 RUN update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 1 RUN update-alternatives --install /usr/bin/python python /usr/bin/python3.8 1 RUN pip install --no-cache-dir --upgrade pip # 安装 PyTorch（CPU 版本） RUN pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu # 安装 ModelScope 和文生视频依赖 RUN pip install modelscope diffusers transformers opencv-python pillow sentence-transformers -i https://pypi.tuna.tsinghua.edu.cn/simple # 设置工作目录 WORKDIR /app # 复制文生视频脚本 COPY text-to-video.py . # 默认命令 CMD ["python", "text-to-video.py"]
保存并退出。
如果缺少 text-to-video.py ：创建脚本：

bash

CollapseWrapRun
Copy

nano text-to-video.py
复制以下内容（生成多个短视频，适配 >30 秒需求）：

python

CollapseWrapRun
Copy

import os from modelscope.pipelines import pipeline from modelscope.outputs import OutputKeys pipeline = pipeline("text-to-video-synthesis", "damo/text-to-video-synthesis", device="cpu") prompts = [ "A cat walking in a garden under sunlight, 0-6 seconds", "A cat walking in a garden under sunlight, 6-12 seconds", "A cat walking in a garden under sunlight, 12-18 seconds", "A cat walking in a garden under sunlight, 18-24 seconds", "A cat walking in a garden under sunlight, 24-30 seconds" ] for i, prompt in enumerate(prompts): output = pipeline(prompt, num_frames=48, fps=8) video_path = output[OutputKeys.OUTPUT_VIDEO_PATH] os.rename(video_path, f"/app/output/video_{i}.mp4") print(f"Video saved to /app/output/video_{i}.mp4")
保存并退出。

2. 确认 Docker 存储路径

你提到 ~/work/ 空间较大，之前建议迁移 Docker 存储到 ~/work/docker。验证是否配置成功：

bash

CollapseWrapRun

Copy

docker info --format '{``{.DockerRootDir}}'

如果输出 /home/powersys/work/docker，说明迁移成功。
如果仍为 /var/lib/docker，按以下步骤配置： bash

CollapseWrapRun
Copy

sudo systemctl stop docker mkdir -p ~/work/docker sudo rsync -av /var/lib/docker/ ~/work/docker/ sudo nano /etc/docker/daemon.json
添加：

json

CollapseWrap
Copy

{ "data-root": "/home/powersys/work/docker" }
重启 Docker：

bash

CollapseWrapRun
Copy

sudo systemctl start docker
检查磁盘空间 ：

bash

CollapseWrapRun
Copy

df -h ~/work
确保 ~/work/ 有 20-30 GB 空闲。如果不足，清理：

bash

CollapseWrapRun
Copy

docker system prune -a --volumes conda clean --all

3. 构建 Docker 镜像

在正确目录（包含 Dockerfile 和 text-to-video.py）运行：

bash

CollapseWrapRun

Copy

cd ~/work/miniconda docker build -t modelscope-video .

解决 Buildx 警告 （可选）：安装 Buildx：

bash

CollapseWrapRun
Copy

sudo apt install docker-buildx docker buildx create --use docker buildx build -t modelscope-video .

4. 运行 Docker 容器

创建输出目录：

bash

CollapseWrapRun

Copy

mkdir -p ~/work/miniconda/output

运行容器：

bash

CollapseWrapRun

Copy

docker run --rm -v $(pwd)/output:/app/output modelscope-video

脚本将生成 5 个 6 秒视频（video_0.mp4 到 video_4.mp4），保存到 ~/work/miniconda/output。

5. 拼接 >30 秒视频

安装 FFmpeg（如果未安装）：

bash

CollapseWrapRun

Copy

sudo apt install ffmpeg

拼接视频：

bash

CollapseWrapRun

Copy

cd ~/work/miniconda/output echo -e "file 'video_0.mp4'\nfile 'video_1.mp4'\nfile 'video_2.mp4'\nfile 'video_3.mp4'\nfile 'video_4.mp4'" > file_list.txt ffmpeg -f concat -i file_list.txt -c copy output.mp4 xdg-open output.mp4