DeepSeek-OCR-WEBUI 是基于 Gradio 的 Web 应用，支持多模式 OCR 及 GPU 加速。详述其私有化部署流程，涵盖 Ubuntu 环境准备、Docker 安装、NVIDIA 容器工具配置及容器启动。通过容器化方案实现本地 OCR 服务，支持图片、PDF 识别及 API 调用，满足企业文档处理需求。
光学字符识别（OCR）技术在企业级文档处理、金融票据自动化、教育数字化等场景中扮演着关键角色。随着大模型技术的发展，传统 OCR 系统在复杂背景、手写体、低分辨率图像中的局限性日益凸显。DeepSeek-OCR 作为国产自研的高性能 OCR 引擎，融合了 CNN 与注意力机制，在中文文本识别精度上表现尤为突出。
然而，官方提供的推理代码缺乏可视化交互界面，导致调试和使用成本较高。为此，开源社区开发者基于 DeepSeek-OCR 构建了DeepSeek-OCR-WEBUI——一个功能完整、支持多模式识别的 Web 应用，极大提升了用户体验和工程落地效率。
本文将围绕该镜像的私有化部署展开，详细介绍从环境准备到服务上线的全流程实践，帮助开发者快速搭建本地化 OCR 服务。
DeepSeek-OCR-WEBUI 采用模块化设计，主要由以下组件构成：
transformers 框架加载 DeepSeek-OCR 模型，兼顾稳定性与性能其技术栈如下：
Frontend: Gradio UI
Inference Engine: HuggingFace Transformers
Model: deepseek-ai/DeepSeek-OCR
Runtime: Docker + nvidia-container-toolkit
Hardware Support: NVIDIA GPU (CUDA >= 11.8), Apple Silicon (MPS)
| 功能 | 描述 |
|---|---|
| 7 种识别模式 | 支持文档解析、通用 OCR、图表提取、查找定位、图像描述、纯文本提取、自定义提示 |
| 边界框可视化 | 在'Find'模式下自动标注文字位置，便于结构化信息提取 |
| PDF 自动转换 | 上传 PDF 文件后自动转为图片序列进行逐页识别 |
| 多语言支持 | 简体中文、繁体中文、英文、日文混合识别 |
| GPU 加速推理 | 利用 NVIDIA GPU 实现 bfloat16 精度推理，显著提升吞吐量 |
| ModelScope 自动切换 | 当 Hugging Face 不可达时，自动从魔搭社区下载模型 |
项目地址
模型仓库：https://github.com/deepseek-ai/DeepSeek-OCR
WebUI 项目：https://github.com/neosun100/DeepSeek-OCR-WebUI
# 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 稳定版仓库
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
# 再次更新并安装 Docker CE
sudo apt-get update
sudo apt-get install -y docker-ce
# 将当前用户加入 docker 组，避免每次使用 sudo
sudo usermod -aG docker ${USER}
⚠️ 执行完
usermod命令后，请重新登录 SSH 会话以使组权限生效。
为提升国内拉取镜像速度，并指定数据存储路径，配置 daemon.json：
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"data-root": "/data/docker",
"exec-opts":["native.cgroupdriver=systemd"],
"registry-mirrors": [
"https://docker.m.daocloud.io",
"https://mirror.ccs.tencentyun.com",
"https://hub-mirror.c.163.com"
],
"log-driver":"json-file",
"log-opts": {"max-size":"100m", "max-file":"3"}
}
EOF
# 重启 Docker 服务
sudo systemctl daemon-reload
sudo systemctl restart docker
sudo systemctl enable docker
默认情况下，Docker 无法访问宿主机 GPU 资源。需安装 NVIDIA Container Toolkit 以启用 --gpus all 参数支持。
nvidia-smi
若正常显示 GPU 信息，则继续下一步；否则请先安装 NVIDIA 官方驱动。
# 安装基础依赖
sudo apt-get update && sudo apt-get install -y --no-install-recommends curl gnupg2
# 添加 NVIDIA 容器工具链 GPG 密钥和源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 启用 experimental 源（可选）
sudo sed -i -e '/experimental/ s/^#//g' /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 更新并安装工具包
sudo apt-get update
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.18.0-1
sudo apt-get install -y \
nvidia-container-toolkit=${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}
sudo nvidia-ctk runtime configure --runtime=docker
sudo cat /etc/docker/daemon.json
确认输出中包含：
{
"runtimes": {
"nvidia": {
"path": "nvidia-container-runtime"
}
}
}
重启 Docker 服务：
sudo systemctl restart docker
docker run --rm --gpus all nvidia/cuda:13.0.1-runtime-ubuntu22.04 nvidia-smi
若成功输出 GPU 信息，说明配置完成。
git clone https://github.com/neosun100/DeepSeek-OCR-WebUI.git
cd DeepSeek-OCR-WebUI
建议修改 Dockerfile 以提升国内构建速度：
# 在安装系统依赖后添加 pip 国内源
RUN pip config set global.index-url https://mirrors.huaweicloud.com/repository/pypi/simple/
# 可提前安装 flash-attn whl 包以避免编译失败
COPY flash_attn-2.7.3+cu11torch2.6cxx11abiFALSE-cp312-cp312-linux_x86_64.whl .
RUN pip install flash_attn-2.7.3+cu11torch2.6cxx11abiFALSE-cp312-cp312-linux_x86_64.whl
项目根目录下已提供 docker-compose.yml，直接运行：
docker compose up -d
首次启动将自动拉取镜像、安装依赖并下载模型（约 3-5GB），耗时较长。
查看服务状态：
docker compose ps --format "table {{.Name}}\t{{.Status}}\t{{.Ports}}"
预期输出：
NAME STATUS PORTS
deepseek-ocr-webui Up 2 minutes (health: starting) 6006/tcp, 8888/tcp, 0.0.0.0:8001->8001/tcp
查看日志以监控模型加载进度：
docker logs -f deepseek-ocr-webui
📌 注意：若网络受限，Hugging Face 模型可能无法下载。可通过设置环境变量自动切换至 ModelScope：
export MODELSCOPE_CACHE="/app/models"
# 查看日志（实时）
docker logs -f deepseek-ocr-webui
# 重启服务（适用于代码更新后）
docker restart deepseek-ocr-webui
# 完全重建服务（重新构建镜像）
docker compose down && docker compose up -d --build
# 查看资源占用情况
docker stats deepseek-ocr-webui
# 进入容器内部调试
docker exec -it deepseek-ocr-webui bash
模型默认下载至容器内 /app/models 目录。建议通过卷映射持久化存储：
# docker-compose.yml 片段
volumes:
- ./models:/app/models
这样即使容器重建，模型也不会重复下载。
服务启动后，浏览器访问：
http://<your-server-ip>:8001/
可进入 Gradio 主界面，支持以下功能测试：
http://<ip>:8001/docs（Swagger UI）http://<ip>:8001/health（返回 JSON 格式状态）示例 API 请求（通用 OCR）：
curl -X POST "http://<ip>:8001/ocr" \
-H "Content-Type: multipart/form-data" \
-F "[email protected]" \
-F "mode=ocr"
响应示例：
{
"text": "不被嘲笑的梦想\n是不值得去实现的",
"boxes": [[x1,y1,x2,y2], ...],
"success": true
}
输入图片：
识别结果：
不被嘲笑的夢想 是不值得去實現的 The dream of not being laughed at Is not worth achieving 锤子科技創始人 羅永浩 RiTOP 锐拓 昵享网 www.nipic.cn ID:33621067NO:20221012112425239106
输入图片：
识别结果（节选）：
此图片采用卡通艺术风格绘制，描绘了四位长者并排站立，背景是点缀着白云的蓝天。 ... 底部中央处写有短语'欢迎您回来，大小姐！'
本文系统梳理了 DeepSeek-OCR-WEBUI 的私有化部署全流程，涵盖环境准备、Docker 配置、GPU 加速、服务启动与功能验证等关键环节。通过容器化方案，实现了'一键部署、开箱即用'的高效 OCR 服务能力。
该部署方案具备以下优势：
未来可进一步探索方向包括：
对于需要高精度中文 OCR 能力的企业或开发者而言，DeepSeek-OCR-WEBUI 是一个极具实用价值的技术选择。
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