零基础入门：GLM-OCR在Ubuntu 20.04系统上的详细部署教程

零基础入门：GLM-OCR在Ubuntu 20.04系统上的详细部署教程

你是不是也遇到过这种情况：手头有一堆图片，里面全是文字，需要手动一个个敲进电脑，费时费力还容易出错。或者，想给自己的项目加个自动识别图片文字的功能，却不知道从何下手？

今天，我就带你从零开始，在Ubuntu 20.04系统上，把GLM-OCR这个强大的文字识别工具给“装”起来。整个过程就像搭积木，跟着步骤走，就算你之前没怎么用过Linux，也能搞定。我们不用去研究复杂的算法原理，目标就一个：让服务跑起来，能识别图片里的字。

我会把每一步要输入的命令都列出来，并解释清楚这行命令是干嘛的，帮你避开所有我当初踩过的坑。准备好了吗？咱们开始吧。

1. 动手前的准备工作

在开始安装任何软件之前，先把咱们的“工作台”——也就是Ubuntu系统——收拾利索，这是保证后续步骤顺利的关键。

1.1 更新系统软件包

打开你的终端（快捷键Ctrl+Alt+T），咱们输入的第一条命令是更新软件源列表。你可以把它理解为去超市购物前，先刷新一下商品目录，确保知道最新、最全的货品在哪。

sudo apt update

输入这行命令后，系统可能会让你输入密码。注意，输入密码时屏幕上不会有任何显示（连星号*都没有），这是Linux终端的安全设计，你正常输入后按回车就行。

接下来，我们把系统里已经安装的软件都升级到最新版本：

sudo apt upgrade -y

这里的-y参数是个“偷懒”选项，意思是对于升级过程中所有“是否继续？”的询问，都自动回答“是”。整个过程可能需要几分钟，取决于你的网络速度和需要更新的软件数量。

1.2 安装必要的依赖工具

GLM-OCR通常以Docker镜像的方式提供，这样能保证在任何系统上运行的环境都是一致的。所以，我们需要先安装Docker。

首先，安装一些让apt（软件包管理器）可以通过HTTPS下载软件的工具：

sudo apt install -y apt-transport-https ca-certificates curl software-properties-common

然后，添加Docker官方的软件源密钥，这就像取得一个可信仓库的进门许可：

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

接着，将Docker的软件仓库地址添加到系统的源列表里：

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

现在，我们再次更新软件源列表，这次列表里就包含Docker的仓库了：

sudo apt update

最后，安装Docker引擎：

sudo apt install -y docker-ce docker-ce-cli containerd.io

安装完成后，为了让当前用户不用每次都输入sudo来执行docker命令（更方便），我们把当前用户加入到docker用户组：

sudo usermod -aG docker $USER

重要提示：执行完上面这行命令后，你需要完全退出当前终端，并重新打开一个新的终端窗口，这个分组变更才会生效。你可以直接关掉终端再开一个，或者输入exit命令退出登录。

在新的终端里，运行一个简单的测试，看看Docker是否安装成功：

docker --version

如果看到类似Docker version 20.10.12, build e91ed57的输出，恭喜你，Docker安装好了！

2. 获取并运行GLM-OCR镜像

环境准备好了，现在就去把GLM-OCR这个“核心部件”请过来。

2.1 拉取GLM-OCR镜像

这里假设你已经从相关的镜像平台（例如CSDN星图镜像广场）获得了GLM-OCR镜像的具体名称。拉取镜像就像从云端下载一个已经配置好的、包含所有运行环境的软件包。

docker pull [这里替换为你的GLM-OCR镜像名]

例如，镜像名可能是registry.cn-hangzhou.aliyuncs.com/your_namespace/glm-ocr:latest。你需要将其替换成你实际要使用的镜像地址。

这个下载过程的时间取决于镜像大小和你的网速，耐心等待即可。完成后，可以用下面的命令查看本地已有的镜像：

docker images

你应该能在列表里看到刚刚下载的GLM-OCR镜像。

2.2 启动OCR服务容器

下载好的镜像只是一个静态的模板。我们需要根据这个模板，创建一个正在运行的“实例”，也就是容器。

docker run -d --name glm-ocr -p 8000:8000 [你的GLM-OCR镜像名]

我来拆解一下这行命令：

• docker run：命令Docker运行一个容器。
• -d：让容器在“后台”运行，这样终端就不会被占用，你可以继续做其他事情。
• --name glm-ocr：给这个容器起个名字叫“glm-ocr”，方便我们后续管理。
• -p 8000:8000：这是端口映射，非常关键。它把容器内部的8000端口，“映射”到你Ubuntu电脑的8000端口上。这样，你通过访问http://你的UbuntuIP:8000，就能访问到容器里的服务了。
• 最后跟上你的镜像名。

运行后，可以用下面的命令查看容器是否在正常运行：

docker ps

如果看到状态（STATUS）是Up，就说明服务已经在后台跑起来了。

3. 测试你的OCR服务

服务跑起来了，但它到底能不能用，识别得准不准？我们来亲手测试一下。

3.1 准备一张测试图片

首先，我们得有一张带文字的图片。你可以在系统里随便找一张，或者自己用截图工具截一段文字。为了测试方便，我建议在桌面创建一个专门的测试文件夹：

mkdir ~/Desktop/ocr_test cd ~/Desktop/ocr_test

然后，把你的测试图片（比如叫test.jpg）放到这个文件夹里。或者，我们用一个更简单的方法，直接让命令行下载一张示例图片（这里以一张简单的英文示例图链接为例，实际操作时请确保你有权使用的图片链接）：

# 示例命令，请替换为实际可用的图片URL # wget -O test.jpg https://example.com/sample-text-image.jpg

3.2 发送请求进行识别

GLM-OCR服务通常会提供一个HTTP API接口。最常见的用法是，我们向这个接口发送一张图片，它返回识别出的文字。

我们使用curl这个命令行工具来发送请求。假设我们的服务运行在本机（localhost），端口是8000，识别接口是/ocr。

curl -X POST -F "image=@test.jpg" http://localhost:8000/ocr

解释一下：

• -X POST：表示这是一个POST请求。
• -F "image=@test.jpg"：表示以表单形式上传文件，字段名是image，文件是当前目录下的test.jpg。那个@符号很重要，意思是“这是文件”。
• http://localhost:8000/ocr：这是我们GLM-OCR服务的地址和接口路径。

请注意：实际的接口路径（比如是/ocr，还是/v1/ocr）需要根据你拉取的GLM-OCR镜像的具体文档来确定。如果上面命令返回错误，你可能需要检查一下接口地址是否正确。

3.3 理解返回结果

如果一切顺利，你会看到终端里打印出一段JSON格式的文字，大概长这样：

{ "code": 0, "msg": "success", "data": { "text": "这是从图片中识别出来的文字内容...", "confidence": 0.98 } }

• code为0通常表示成功。
• msg是状态信息。
• data.text里面就是OCR识别出的核心结果——文字内容。
• confidence可能表示识别置信度，值越高代表模型越有信心。

看到这个，就大功告成了！你的GLM-OCR服务已经部署成功，并且可以正常工作了。

4. 可能遇到的问题和小技巧

第一次部署，难免会遇到点小波折。这里我列几个常见的情况和解决办法。

问题1：docker pull或docker run时提示权限错误（Permission denied）。

• 检查：你是否在执行usermod命令后，没有重新打开终端？请务必关闭当前终端，新开一个再试。
• 检查：你也可以临时用sudo前缀执行命令，比如sudo docker ps，但这只是临时解决方案，最好还是让用户加入docker组。

问题2：运行docker ps看不到容器，或者状态是Exited。

• 检查：用docker logs glm-ocr查看容器的日志输出，里面通常会有具体的错误信息，比如端口冲突、缺少某个依赖等。这是排查问题最直接的方法。

问题3：curl测试时连接被拒绝（Connection refused）。

• 检查：确认容器是否真的在运行 (docker ps)。
• 检查：确认你映射的端口是否正确。容器内部端口和主机端口都是8000吗？服务是否真的监听在8000端口？有些镜像可能使用其他端口如8080，你需要根据镜像说明调整-p参数，例如-p 8000:8080。
• 检查：防火墙是否屏蔽了8000端口？在Ubuntu上可以暂时关闭防火墙测试：sudo ufw disable（测试完记得开启：sudo ufw enable）。

问题4：如何停止、重启或删除这个服务？

• 停止容器：docker stop glm-ocr
• 启动已停止的容器：docker start glm-ocr
• 重启容器：docker restart glm-ocr
• 删除容器（容器需先停止）：docker rm glm-ocr
• 删除镜像：docker rmi [你的镜像名]

小技巧：让服务开机自启如果你希望每次Ubuntu系统重启后，这个OCR服务都能自动运行，可以在创建容器时加上--restart unless-stopped参数：

docker run -d --name glm-ocr --restart unless-stopped -p 8000:8000 [你的GLM-OCR镜像名]

5. 总结

走完这一遍，你会发现，在Ubuntu上部署一个像GLM-OCR这样的AI服务，其实并没有想象中那么复杂。核心步骤就是三板斧：准备好系统环境（装Docker） -> 拉取现成的镜像 -> 运行并映射端口。Docker把最麻烦的环境依赖问题都打包解决了，我们要做的就是学会怎么使用它。

现在你的本地已经有了一个随时可用的文字识别服务。接下来你可以做什么呢？比如，写一个简单的Python脚本，批量处理一个文件夹里的所有图片；或者把它集成到你的网站后台，让用户上传图片就能提取文字。从“能用”到“好用”，中间还有很大的探索空间。

部署过程中最大的经验就是，多看日志。无论是Docker容器的日志，还是服务返回的错误信息，都能给你最直接的线索。别怕出错，每一个错误提示都是通往成功的路标。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。