介绍 DeepSeek-OCR-WebUI 的完整部署流程，涵盖环境准备、Docker 配置及 GPU 加速设置。系统支持 7 种智能识别模式，包括通用 OCR、图像描述及查找定位等，兼容中英文等多语言文本。采用 transformers 推理引擎确保稳定性，支持 NVIDIA CUDA 与 Apple Silicon MPS。通过 Docker Compose 实现一键启动，适用于金融票据处理、档案电子化等企业级场景，提供本地化部署方案以保障数据安全。
在数字化转型加速的背景下，光学字符识别（OCR）技术已成为文档自动化处理的核心工具。传统 OCR 方案在复杂场景下常面临精度低、格式丢失、多语言支持弱等问题。DeepSeek-OCR-WEBUI 作为基于 DeepSeek 开源大模型构建的 Web 应用，不仅继承了原生模型强大的文本识别能力，还通过图形化界面显著提升了使用体验。
本文将围绕DeepSeek-OCR-WebUI 镜像展开，详细介绍其从环境准备到服务启动的完整部署流程，并深入解析其支持的 7 种识别模式与 GPU 加速机制。文章聚焦于工程实践，提供可复用的操作命令和配置建议，帮助开发者快速搭建高性能 OCR 服务，实现对中文、英文、日文等多语言文本的高精度提取。
本实践适用于金融票据处理、教育资料数字化、档案电子化等实际业务场景，尤其适合需要本地化部署、保障数据安全的企业用户。
DeepSeek-OCR-WebUI 并非简单的前端封装，而是集成了多项创新设计的完整解决方案：
这些特性使得该系统既能满足普通用户的便捷操作需求，也能支撑企业级高并发文档处理任务。
DeepSeek-OCR-WebUI 采用分层架构设计，各组件职责明确，易于维护和扩展。
| 组件 | 技术选型 | 说明 |
|---|---|---|
| 推理引擎 | transformers | Hugging Face 官方库，稳定性强 |
| 模型来源 | deepseek-ai/DeepSeek-OCR | 支持 ModelScope 自动切换 |
| GPU 运行时 | NVIDIA Container Toolkit | 实现容器内 GPU 访问 |
| 部署方式 | Docker Compose | 多容器编排，一键启动 |
| 数据预处理 | OpenCV/Pillow | 图像解码与格式转换 |
作者未采用更高速的 vLLM 而选择 transformers，主要基于生产环境稳定性的考量：
| 特性 | transformers | vLLM |
|---|---|---|
| 稳定性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 兼容性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 推理速度 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 功能完整性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 部署复杂度 | ⭐⭐⭐⭐⭐ | ⭐⭐ |
核心结论：对于 OCR 这类对结果一致性要求极高的任务，
transformers提供的稳定性和兼容性远胜于短期性能增益。
此外，系统默认启用 bfloat16 精度进行推理，在保证准确率的同时有效降低显存占用，使单卡即可运行大模型。
nvidia-smi 验证）# 更新软件包索引
sudo apt-get update
# 安装必要依赖
sudo apt-get install -y apt-transport-https ca-certificates curl software-properties-common
# 添加 Docker 官方 GPG 密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
# 添加 Docker 稳定仓库
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
# 再次更新索引
sudo apt-get update
# 安装 Docker CE
sudo apt-get install -y docker-ce
# 启动并设置开机自启
sudo systemctl enable docker && sudo systemctl start docker
# 验证安装
sudo docker --version
# 将当前用户加入 docker 组
sudo usermod -aG docker ${USER}
# 提示用户重新登录以生效
echo "请退出 SSH 并重新连接以应用权限变更"
为提升国内网络环境下镜像拉取速度，建议配置镜像加速器并将数据目录迁移至大容量磁盘。
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"data-root": "/data/docker",
"exec-opts":["native.cgroupdriver=systemd"],
"registry-mirrors": [
"https://docker.m.daocloud.io",
"https://mirror.ccs.tencentyun.com",
"https://4hxooktm.mirror.aliyuncs.com"
],
"log-driver":"json-file",
"log-opts": {
"max-size":"100m",
"max-file":"3"
}
}
EOF
# 重启 Docker 服务
sudo systemctl daemon-reload
sudo systemctl restart docker
Docker 默认无法直接调用 GPU 资源，必须通过 NVIDIA Container Toolkit 实现容器级 GPU 访问。
nvidia-smi
若正确输出 GPU 型号、驱动版本及温度信息，则表示驱动已就绪。
# 安装基础依赖
sudo apt-get update && sudo apt-get install -y --no-install-recommends curl gnupg2
# 添加 GPG 密钥和 APT 源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 启用 experimental 源（可选）
sudo sed -i -e '/experimental/ s/^#//g' /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 更新索引并安装组件
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.18.0-1
sudo apt-get update
sudo apt-get install -y \
nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}
# 设置 nvidia 为默认 runtime
sudo nvidia-ctk runtime configure --runtime=docker
# 查看配置是否写入 daemon.json
sudo cat /etc/docker/daemon.json
预期输出包含：
{
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime",
"args": []
}
}
}
sudo systemctl restart docker
docker run --rm --gpus all nvidia/cuda:13.0.1-runtime-ubuntu22.04 nvidia-smi
若成功显示 GPU 信息，说明配置完成。
cd ~
git clone https://github.com/neosun100/DeepSeek-OCR-WebUI.git
cd DeepSeek-OCR-WebUI
为提升构建效率并解决依赖缺失问题，建议修改 Dockerfile，添加系统依赖与 pip 镜像加速。
在 FROM 指令之后插入：
# 安装 OpenCV 等依赖库
RUN apt-get update && apt-get install -y \
libgl1 \
libglib2.0-0 \
pkg-config \
python3-dev \
build-essential \
&& rm -rf /var/lib/apt/lists/*
# 配置 pip 国内镜像
RUN pip config set global.index-url https://mirrors.huaweicloud.com/repository/pypi/simple/
# 构建并后台启动容器
docker compose up -d
# 查看服务状态
docker compose ps --format "table {{.Name}}\t{{.Status}}\t{{.Ports}}"
首次启动将自动拉取模型文件（约数 GB），存储于 ~/DeepSeek-OCR-WebUI/models/ 目录下。若 HuggingFace 无法访问，系统会自动切换至 ModelScope 下载。
watch -n 1 nvidia-smi
# 查看日志（跟踪启动过程）
docker logs -f deepseek-ocr-webui
# 重启服务
docker restart deepseek-ocr-webui
# 重建并重启
docker compose up -d --build
# 停止服务
docker compose down
# 查看资源占用
docker stats deepseek-ocr-webui
服务启动后可通过以下地址访问：
http://<IP>:8001http://<IP>:8001/docshttp://<IP>:8001/health选择'通用 OCR'模式上传含中文文本的图片，系统将提取所有可见文字。
输出示例：
慢慢来，你又不差 你所有的压力，都是因为你太想要了， 你所有的痛苦，都是因为你太较真了。 有些事，不能尽你心意，就是在提醒了该转变了。 ...
此模式适用于公告、海报、截图等非结构化文本提取。
启用'图像描述'模式可生成图文理解结果。输入一张雪景人物照，返回如下内容：
An outdoor winter scene where snow is falling gently... 一幅冬日户外场景：雪花轻柔飘落，背景是清澈的蓝天。前景中站着一位年轻女子，她穿着保暖的冬装——一件黑色外套...
该功能结合了视觉理解与自然语言生成能力，可用于无障碍阅读辅助或内容审核。
在发票或表单识别中，'查找定位'模式尤为实用。输入关键词如'金额'，系统将高亮标注其所在区域，并返回坐标信息。
应用场景包括：
本文系统阐述了 DeepSeek-OCR-WebUI 的全流程部署方案，涵盖环境准备、GPU 驱动配置、容器化部署及功能验证等关键环节。该系统凭借其7 种识别模式、多语言支持和GPU 加速能力，为企业提供了强大且灵活的 OCR 解决方案。
核心优势总结如下：
transformers 引擎确保长期运行稳定性；未来可进一步探索批量处理脚本编写、私有化模型微调以及与 RPA 系统的集成，充分发挥其在自动化办公中的潜力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online