DeepSeek-OCR-Web 快速上手指南

DeepSeek-OCR-Web 是一款基于 DeepSeek-OCR 模型的多模态文档解析工具，支持 PDF 和图片的高效处理，具备高精度文字识别、表格解析、图表分析及专业图纸语义理解能力，并可输出结构化 Markdown。

1. 环境准备

在开始之前，请确保您的运行环境满足以下要求：

• 操作系统：必须为 Linux 系统。
• GPU 要求：显存 ≥ 7 GB（处理大图或多页 PDF 推荐 16–24 GB）。
  • ⚠️ 注意：目前 RTX 50 系列 显卡暂不兼容，请使用其他型号。
• Python 版本：3.10 – 3.12（推荐 3.10 或 3.11）。
• CUDA 版本：11.8 或 12.1/12.2（需与显卡驱动匹配）。
• 前置依赖：建议预先安装好对应 CUDA 版本的 PyTorch 预编译包。

2. 安装步骤

您可以选择“一键脚本”或“手动安装”两种方式。国内用户推荐优先使用 ModelScope（魔搭） 下载模型权重。

方式一：一键脚本启动（推荐）

若网络环境允许且无需自定义配置，可直接执行官方脚本：

# 安装模型权重和环境依赖
bash install.sh
# 启动服务
bash start.sh

方式二：手动安装与运行

第一步：下载模型权重

使用 ModelScope 下载 DeepSeek-OCR 模型权重：

pip install modelscope
mkdir ./deepseek-ocr
modelscope download --model deepseek-ai/DeepSeek-OCR --local_dir ./deepseek-ocr

第二步：克隆项目与配置环境

获取项目代码并创建虚拟环境：

git clone https://github.com/deepseek-ai/DeepSeek-OCR.git
cd DeepSeek-OCR

# 创建虚拟环境 (以 Python 3.12 为例)
conda create -n deepseek-ocr python=3.12.9 -y
conda activate deepseek-ocr

# 安装 Jupyter 及内核
conda install jupyterlab
conda install ipykernel
python -m ipykernel install --user --name dsocr --display-name "Python (dsocr)"

第三步：安装核心依赖

依次安装 PyTorch、vLLM 及项目依赖。请根据您的 CUDA 版本调整 PyTorch 安装源。

# 安装 PyTorch (示例为 CUDA 11.8，请根据实际情况调整)
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118

# 安装官方推荐的 vLLM 版本 (需先下载 whl 文件到 packages 目录)
pip install ./packages/vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl

# 安装项目基础依赖
pip install -r requirements.txt
# 注：若出现依赖冲突警告可忽略，通常不影响运行

# 安装 flash-attn 加速库
pip install flash-attn==2.7.3 --no-build-isolation

第四步：配置模型路径

在项目根目录创建 .env 文件，填入模型权重的绝对路径：

MODEL_PATH=/root/autodl-tmp/deepseek-ocr
# 请将上述路径替换为您实际下载模型的目录

3. 基本使用

完成安装后，需分别启动后端和前端服务。

1. 启动后端服务 在 DeepSeek-OCR 目录下运行：

uvicorn main:app --host 0.0.0.0 --port 8002 --reload

2. 启动前端服务 打开新终端，进入前端目录（通常在项目根目录或指定 frontend 目录，依具体结构而定，此处按常规 React 项目逻辑）：

npm install
npm run dev

3. 开始使用 服务启动成功后，在浏览器访问前端显示的地址（通常为 http://localhost:5173 或类似端口）。

• 上传 PDF 或图片文件。
• 系统将自动进行布局分析、OCR 识别及表格/图表解析。
• 查看并导出结构化 Markdown 结果。