跳转至

DeepSeek OCR 开发调试环境

概述

本文档介绍如何使用 DevPod 快速搭建 DeepSeek OCR 的开发调试环境，帮助开发者在三分钟内完成环境配置并开始模型推理测试。

先决条件

在开始之前，请确保您已完成以下准备工作：

  1. 拥有一个阿里云账号
  2. 登录 FunModel 控制台

    根据控制台的指引，完成 RAM 相关的角色授权等配置；如果您当前使用的是旧版控制台页面，请点击右上角的“新版控制台”按钮，切换至新版界面后再进行操作。

创建 DeepSeek OCR DevPod

  1. 点击 自定义开发。

  2. 选择 自定义环境，并按如下配置：

    • 镜像地址

      • 中国大陆地区：serverless-registry.cn-hangzhou.cr.aliyuncs.com/functionai/devpod-presets:deepseek-ocr-v1

      • 海外全球地区：serverless-registry.ap-southeast-1.cr.aliyuncs.com/functionai/devpod-presets:deepseek-ocr-v1

    • 模型名称：输入一个名称，例如 deepseek-ocr-dev

    • 模型来源：填写 deepseek-ai/DeepSeek-OCR
    • 启动命令：保持默认，无需修改
    • 实例规格：选择 GPU性能型
    • 点击 DevPod开发调试 按钮（注意：不要点击"创建模型服务"）

    创建 DevPod 界面1
    创建 DevPod 界面2

  3. 等待部署成功（通常 1–2 分钟）。

配置和测试

DevPod 启动后，模型已自动下载至 NAS 挂载路径 /mnt/{模型名称}（例如 /mnt/deepseek-ocr-dev）。您可在 Web IDE 中上传测试图片，并运行示例脚本进行推理。

HuggingFace Transformers 示例

  1. 打开终端，进入 HF 示例目录： 
    cd /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-hf
  2. （可选）上传自己的测试图片，替换 input/test.png。
  3. 执行推理： 
    python run_dpsk_ocr.py

  4. 查看结果：

    • 终端会直接打印识别文本
    • 结果文件保存在 output/ 目录下

HF 示例执行界面

vLLM 示例

vLLM 支持图像、PDF 和批量图像处理。

单图推理

# /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/config.py
INPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/input_image/test.png'
OUTPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/output_run_dpsk_ocr_image'

执行： 

cd /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm
python run_dpsk_ocr_image.py

PDF 推理

# /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/config.py
INPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/input_pdf/test.pdf'
OUTPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/output_run_dpsk_ocr_pdf'

执行： 

python run_dpsk_ocr_pdf.py

批量图像处理

# /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/config.py
INPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/input_image/'
OUTPUT_PATH = '/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/output_run_dpsk_ocr_eval_batch/'

执行： 

python run_dpsk_ocr_eval_batch.py

提示：所有输入路径下的图片文件将被自动处理，结果统一输出到 OUTPUT_PATH。

启动和停止 DevPod

DevPod 运行中会产生费用，尤其是使用 GPU 实例时费用较高。为了节省成本，当暂时不使用 DevPod 时，建议点击"关闭开发环境"按钮停止实例；需要继续使用时，点击"启用开发环境"按钮即可启动。DevPod 的启停操作通常在 1 分钟内完成。

相关资源