本地部署PaddleOCR，消費級顯卡輕松跑，支持本地圖片和PDF文件

大家好，我是 Ai 學習的老章

前文我在一文中提到，vLLM 0.11.2 穩(wěn)定版原生支持 DeepSeek-OCR，且兼容 OpenAI API 格式在線推理，操作更便捷。但 vLLM 0.11.1 及以上版本默認要求 CUDA 12.9，需先完成 CUDA 升級。

完成升級后，我

不過說實話，我測試了 N 多題目，，本文我試了最新版vLLM本地部署顯存占用更小的PaddleOCR，驗證了api_server.py在簡單修改模型名稱后依然好用。

1、PaddleOCR 簡介

PaddleOCR-VL是一款面向文檔解析的 SOTA 且資源高效的模型。其核心組件為 PaddleOCR-VL-0.9B——一個非常輕量級的視覺語言模型 (VLM)，通過將 NaViT 風格的動態(tài)分辨率視覺編碼器與 ERNIE-4.5-0.3B 語言模型融合，實現(xiàn)精準的元素識別。

在頁面級文檔解析和元素級識別任務中，PaddleOCR - VL 都展現(xiàn)出了卓越的性能。在 OmniDocBench v1.5 和 v1.0 等廣泛使用的公共基準測試中，該模型在整體、文本、公式、表格及閱讀順序等多項指標上均達到了最先進水平，大幅超越現(xiàn)有的基于管道的解決方案，與頂尖視覺語言模型相比也極具競爭力。這意味著無論是簡單的文本提取，還是復雜的表格、公式、圖表識別，PaddleOCR - VL 都能出色完成任務。 2、PaddleOCR 本地部署

1?? 下載模型文件

pip install modelscope
modelscope download --model PaddlePaddle/PaddleOCR-VL  --local_dir ./PaddleOCR

2?? vLLM Docker 部署 PaddleOCR

docker run -d --rm --runtime=nvidia --name paddle-ocr --ipc=host --gpus '"device=1"' -p 8000:8000 -v /data/llm-models:/models vllm/vllm-openai:v0.11.2 --model /models/PaddleOCR --max-num-batched-tokens 16384 --port 8000  --no-enable-prefix-caching --mm-processor-cache-gb 0 --trust_remote_code


 ://docs.vllm.ai/projects/recipes/en/latest/PaddlePaddle/PaddleOCR-VL.html

我用單卡 4090 跑，顯存的占用只有 1.89GB，剩余空間留給了 KV cache

3、API 修改，運行

前文中的 api_server.py 僅需把 DeepSeekOCR 修改為 PaddleOCR 即可

在一個新的終端中，運行以下命令：

uvicorn api_server:app --host 0.0.0.0 --port 8002

調(diào)用方法重復一下

• URL:/models/v1/models/deepseek-ocr/inference

• 方法 (Method):POST

• 內(nèi)容類型 (Content-Type):multipart/form-data

表單數(shù)據(jù)參數(shù):

參數(shù)

類型

是否必須

描述

默認值

file

文件 (File)

需要處理的 PDF (.pdf) 或圖像 (.png,.jpg,.jpeg) 文件。

prompt

字符串 (String)

一個可選的文本提示，用于指導 OCR 模型的輸出格式或焦點。

"Convert the document to markdown."

## 示例 1: 處理 PDF 文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/report.pdf"

 # 示例 2: 處理圖像文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/receipt.png"

 # 示例 3: 使用自定義提示處理文件
curl -X POST "http://localhost:8002/models/v1/models/PaddleOCR/inference" \
     -F "file=@/path/to/your/document.pdf" \
     -F "prompt=將此文檔中的所有表格提取為 markdown 格式。"

速度也是超級快