Docker 环境构建与 CPU/GPU Benchmark 测试指南

请先参考 How to manually setup Julia environment inside docker container.md 文件，构建包含 Python 及 Julia 运行环境的 Docker 容器。

如果您希望自动构建docker image，在Dockerfile所在的文件夹下可以运行

docker build -t my-julia:cuda-12.8 .

如果构建完的docker container中运行相关代码时出现“Error: CUDA.jl could not find an appropriate CUDA runtime to use.”的错误的话，请在julia REPL中执行如下代码：

julia> import CUDA
julia> CUDA.set_runtime_version!(v"12.8")
julia> CUDA.precompile_runtime()
julia> exit()

之后再执行相关代码即可正常运行。

运行环境准备

• 构建完成后，在容器中执行相关的 Python 和 Julia 脚本，进行 CPU 与 GPU 的性能基准测试（benchmark）。

脚本说明

脚本名称	说明
multi_period_optimization.jl	用于跑一到多周期任务的 Julia 脚本
multi_period_optimization_by_mosek.py	对应 multi_period_optimization.jl 的 Python 脚本，使用 Mosek 进行测速

此外，single_period_optimization文件夹下面是使用python调用相关Julia代码的范例，所需数据文件都在文件夹下面，您可以尝试使用Mean-Variance或Mean-Risk方法来进行相关组合优化。

如何运行 Julia 脚本

1. 在命令行中执行 julia 命令，进入 Julia REPL 环境。
2. 在 Julia REPL 中输入以下命令并回车执行：

julia> include("./multi_period_optimization.jl")

3. 注意事项：

• Julia 编译器采用先编译后执行的机制，首次运行时包含编译时间。
• 为获得准确的 benchmark 计时数据，建议在不退出julia REPL情况下重复运行脚本（再次输入 include("./multi_period_optimization.jl") 并回车）。

---

祝您测试顺利，性能卓越！