5分钟部署DeepSeek-OCR-2：支持中英文，保留表格格式

5分钟部署DeepSeek-OCR-2：支持中英文，保留表格格式

1. 为什么选择DeepSeek-OCR-2

在日常工作中，我们经常需要处理各种文档扫描件、PDF文件或图片中的文字信息。传统OCR工具往往只能机械地识别文字，丢失了表格、公式等复杂格式。DeepSeek-OCR-2的出现彻底改变了这一局面——它不仅能准确识别中英文文字，还能智能理解文档结构，保留表格、公式等复杂格式。

这个基于DeepEncoder V2架构的OCR模型，仅需256到1120个视觉Token就能处理复杂文档页面，在OmniDocBench v1.5评测中综合得分高达91.09%。更棒的是，通过Docker部署，我们可以在5分钟内就让它运行起来，无需复杂的开发环境配置。

2. 快速部署指南

2.1 环境准备

在开始部署前，请确保你的系统满足以下要求：

• 操作系统：Linux/Windows/macOS（推荐Ubuntu 22.04）
• Docker：已安装最新版本
• 硬件：建议配备NVIDIA GPU（显存≥12GB），CPU也可运行但速度较慢

检查Docker是否安装：

docker --version

2.2 拉取镜像

执行以下命令拉取DeepSeek-OCR-2镜像：

docker pull deepseekai/deepseek-ocr2:latest

镜像大小约8-10GB，视网络情况可能需要几分钟。国内用户可配置镜像加速：

{ "registry-mirrors": ["https://docker.mirrors.ustc.edu.cn"] }

2.3 启动容器

使用以下命令启动OCR服务：

docker run -d \ --name deepseek-ocr2 \ --gpus all \ -p 8000:8000 \ -v $(pwd)/models:/app/models \ -v $(pwd)/outputs:/app/outputs \ deepseekai/deepseek-ocr2:latest

参数说明：

• -p 8000:8000：将容器端口映射到主机
• -v：挂载模型和输出目录
• --gpus all：启用GPU加速（CPU用户可移除此参数）

3. 使用WebUI界面

3.1 访问WebUI

容器启动后，打开浏览器访问：

http://localhost:8000

初次加载可能需要1-2分钟初始化模型。

3.2 上传文件识别

1. 点击"Upload PDF"按钮选择文件
2. 点击"Submit"提交处理
3. 等待处理完成后查看识别结果

系统支持PDF、JPG、PNG等多种格式，识别结果会保留原始文档的表格、公式等格式。

4. API调用示例

除了Web界面，你也可以通过API调用OCR服务：

4.1 Python调用示例

import requests import base64 def ocr_image(image_path): with open(image_path, "rb") as f: img_base64 = base64.b64encode(f.read()).decode() response = requests.post( "http://localhost:8000/v1/ocr", json={ "image": img_base64, "prompt": "<image>\n<|grounding|>Convert the document to markdown.", "output_format": "markdown" } ) return response.json() # 调用示例 result = ocr_image("test.pdf") print(result["text"])

4.2 常用提示词

• 标准识别：<image>\n<|grounding|>OCR this image.
• 保留格式：<image>\n<|grounding|>Convert the document to markdown.
• 中文优化：<image>\n<|grounding|>将此文档转换为Markdown格式，保留所有标题、列表、表格和公式。使用简体中文输出。

5. 常见问题解决

5.1 容器启动失败

检查日志：

docker logs deepseek-ocr2

常见原因：

• GPU驱动问题：确保已安装NVIDIA驱动和CUDA
• 显存不足：尝试使用--cpus 4 --memory=16g参数限制资源

5.2 识别效果优化

• 对于模糊图片，建议先进行预处理（去噪、增强对比度）
• 复杂文档可尝试调整base_size参数（默认1024）
• 中文文档使用专用中文提示词效果更佳

5.3 性能调优

对于批量处理，可启用量化模式减少显存占用：

docker run -d \ --name deepseek-ocr2-int8 \ --gpus all \ -p 8001:8000 \ -e QUANTIZE=true \ -e DTYPE=int8 \ deepseekai/deepseek-ocr2:latest

6. 总结

DeepSeek-OCR-2代表了当前文档识别技术的最高水平，通过Docker部署更是大大降低了使用门槛。无论是处理中文合同、英文论文，还是包含复杂表格的报告，它都能准确识别并保留原始格式。

本文介绍的部署方法只需5分钟就能搭建一个功能完整的OCR服务，支持通过Web界面或API调用。对于需要处理大量文档的企业用户，还可以考虑部署多个容器实例实现负载均衡。

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。