设计理念:

• base_size: 模型内部处理的基础分辨率
• image_size: 实际输入图像的目标尺寸
• crop_mode: 对长文档进行智能分块处理,平衡质量与性能
• Gundam 模式: 以较小的图像尺寸 + crop 模式,实现文档识别的最佳性价比

3. GPU 资源管理

@spaces.GPU  # ZeroGPU 装饰器:按需分配 GPU,推理完成后自动释放
def process_image(image, model_size, task_type, is_eval_mode):
    model_gpu = model.cuda().to(torch.bfloat16)  # 动态移至 GPU + bfloat16 优化
    # ... 推理逻辑 ...
    # 函数结束后,GPU 自动释放

关键洞察: 模型在启动时加载到 CPU,仅在推理时移至 GPU。这是 ZeroGPU 环境的最佳实践。

4. 输出格式设计

应用返回三种格式,满足不同用户需求:

1. 带标注图像 (result_with_boxes.jpg):

   • 仅在 Convert to Markdown 任务中生成
   • 展示检测到的文本区域边界框

2. Markdown 内容 (result.mmd):

   • 保留文档结构(标题、列表、表格等)
   • 适合直接集成到文档工作流

3. 纯文本结果:

   • 模型直接返回的原始文本
   • 适合复制粘贴或进一步处理

---

本地部署指南 (重要更新 2025-11-08)

快速启动

# 使用启动脚本 (推荐)
./start_app.sh

# 手动启动
conda activate py312
python app.py

访问地址: http://127.0.0.1:7860

环境要求

• Python: 3.12.0 (conda 环境: py312)
• 模型位置: ./models/DeepSeek-OCR/ (6.3GB,完全本地化)
• GPU: 可选,支持 CUDA (CPU 也可运行)
• 核心依赖: gradio, transformers==4.46.3, torch==2.6.0

---

bug反馈可以加入科哥专属群交流➕ 广告勿进！​

​ ​

优云镜像使用操作一般流程：​

​

1、在社区镜像区域，选择镜像：​

​ ​ ​

2、在打开的新页面 点击“使用该镜像创建实例”：​

​ ​

3、选择一个合适的显卡【GPU】根据情况选择：​

​

4、确认部署信息无误，点击“开始部署”，然后等待部署完成：​

​ ​

如何启动应用​

​

不是自动运行的应用：​

​

1、手动点击加号新建起始页：​

​ ​ ​

2、打开终端：​

​ ​

3、输入指令然后回车：​

​ ​

4、等待加载模型完毕：​

​ ​

5、看到这个出现：​

​ ​ ​

6、返回控制面板打开“SD-WebUI”​

​ ​

• AI数字人直播卖货欢迎来了解： https://kege-aigc.feishu.cn/docx/G271dgZr1o8CvMx9KKrcRuuonDf

以上都是镜像运行打开操作的一般步骤

优其他使用报错问题加群咨询

更多高级指令，可以进入jupyterlab，自行操作，例如：

• 查看进程：

ps -ef |grep python

• 终止进程：

kill -9 pid

• 重启程序：

cd  /root && bash run.sh

• 官方更新源码在这里：
• https://github.com/deepseek-ai/DeepSeek-OCR

---

有bug请微信科哥或加群： 312088415

科哥在UCloud镜像列表【不断更新中】：

• https://kege-aigc.feishu.cn/docx/L3FVdQl7kom8Ckx7QiicQj2VnEd