使用Ollama部署DeepSeek-OCR模型：从零开始的完整指南

目录

一、什么是Ollama和DeepSeek-OCR

1.1 Ollama简介

1.2 DeepSeek-OCR简介

二、环境准备

2.1 安装Ollama

2.2 安装Python依赖

三、部署DeepSeek-OCR模型

3.1 拉取DeepSeek-OCR模型

3.2 验证模型安装

3.3 启动Ollama服务

四、Python代码实现

4.1 完整代码

4.2 代码详解

4.2.1 encode_image函数

4.2.2 ocr_image函数

4.2.3 构建请求payload

4.2.4 发送请求并处理响应

五、实战演示

5.1 准备测试图片

5.2 运行代码

5.3 查看结果

5.3.1 文字图片

5.3.2 纯图片

六、应用场景

七、总结

一、什么是Ollama和DeepSeek-OCR

1.1 Ollama简介

Ollama是一个开源的大模型运行工具，它支持在本地运行多种大语言模型和视觉模型。Ollama具有以下特点：

• 轻量级：安装简单，资源占用少

• 跨平台：支持Windows、macOS和Linux系统

• API友好：提供REST API接口，方便集成到各种应用中

• 模型丰富：支持多种开源模型，包括DeepSeek系列

如何安装相关说明：通过Ollama本地部署DeepSeek R1以及简单使用的教程（超详细） - 知乎

1.2 DeepSeek-OCR简介

DeepSeek-OCR是DeepSeek团队推出的OCR模型，具有以下优势：

• 识别准确率高：对多种字体和语言都有良好的识别效果

• 支持多语言：包括中文、英文等多种语言

• 易于部署：可以方便地通过Ollama进行本地部署

二、环境准备

2.1 安装Ollama

Windows系统安装

1. 访问Ollama官网：https://ollama.com/download

2. 点击"Download for Windows"按钮下载安装包

3. 运行安装程序，按照提示完成安装

4. 安装完成后，打开命令行终端，输入以下命令验证安装：ollama --version

如果显示版本号，说明安装成功。

2.2 安装Python依赖

我们需要安装Python的requests库来调用Ollama API：pip install requests

三、部署DeepSeek-OCR模型

3.1 拉取DeepSeek-OCR模型

在命令行终端中执行以下命令来下载DeepSeek-OCR模型：ollama pull deepseek-ocr:latest

这个过程可能需要一些时间，具体取决于你的网络速度。模型下载完成后，Ollama会自动将模型存储在本地。

3.2 验证模型安装

可以使用以下命令查看已安装的模型列表：ollama list

就能看到deepseek-ocr:latest出现在列表中。

3.3 启动Ollama服务

Ollama安装后会自动启动服务，默认监听在http://localhost:11434。如果服务没有自动启动，可以手动启动：

Windows系统： 在开始菜单中找到Ollama并启动，或者在命令行中输入：ollama serve

运行代码测试之后会显示请求成功，代表我们启动成功了。如果命令行启动不成功的话，我们也可以双击运行对应桌面端应用

四、Python代码实现

下面我们通过完整的Python代码来实现OCR功能。代码分为几个部分：图片编码、API调用、结果展示。

4.1 完整代码

import requests import base64 import json import os def encode_image(image_path): """ 将图片文件编码为base64格式 Args: image_path: 图片文件路径 Returns: base64编码的字符串 """ with open(image_path, "rb") as image_file: return base64.b64encode(image_file.read()).decode('utf-8') def ocr_image(image_path, model="deepseek-ocr:latest"): """ 使用DeepSeek-OCR模型识别图片中的文字 Args: image_path: 图片文件路径 model: 使用的模型名称，默认为deepseek-ocr:latest """ url = "http://localhost:11434/api/generate" # 检查文件是否存在 if not os.path.exists(image_path): print(f"Error: File {image_path} not found.") return try: # 将图片编码为base64 base64_image = encode_image(image_path) # 构建请求payload payload = { "model": model, "prompt": "Please transcribe the text in this image.", "images": [base64_image], "stream": False } print(f"Sending request to Ollama (model: {model})...") # 发送POST请求 response = requests.post(url, json=payload) # 处理响应 if response.status_code == 200: result = response.json() print("\n--- OCR Result ---\n") print(result.get("response", "No response text found.")) print("\n------------------") else: print(f"Error: {response.status_code} - {response.text}") except Exception as e: print(f"An error occurred: {e}") if __name__ == "__main__": # 设置图片路径（请根据实际情况修改） image_path = r"C:\Users\salute\...." ocr_image(image_path)

4.2 代码详解

4.2.1 encode_image函数

def encode_image(image_path): with open(image_path, "rb") as image_file: return base64.b64encode(image_file.read()).decode('utf-8')

这个函数的作用是将图片文件转换为base64编码字符串。Ollama API要求图片数据以base64格式传输，因此我们需要先进行编码。

• open(image_path, "rb")：以二进制读取模式打开图片文件

• base64.b64encode()：将二进制数据编码为base64

• .decode('utf-8')：将字节串解码为UTF-8字符串

4.2.2 ocr_image函数

def ocr_image(image_path, model="deepseek-ocr:latest"): url = "http://localhost:11434/api/generate" if not os.path.exists(image_path): print(f"Error: File {image_path} not found.") return

这是核心的OCR识别函数，参数包括：

• image_path：要识别的图片路径

• model：使用的模型名称，默认为deepseek-ocr:latest

首先检查图片文件是否存在，如果不存在则直接返回。

4.2.3 构建请求payload

base64_image = encode_image(image_path) payload = { "model": model, "prompt": "Please transcribe the text in this image.", "images": [base64_image], "stream": False }

构建发送给Ollama API的请求参数：

• model：指定使用的模型

• prompt：提示词，告诉模型要做什么任务

• images：base64编码的图片数据数组

• stream：是否使用流式输出，这里设置为False

4.2.4 发送请求并处理响应

response = requests.post(url, json=payload) if response.status_code == 200: result = response.json() print("\n--- OCR Result ---\n") print(result.get("response", "No response text found.")) print("\n------------------") else: print(f"Error: {response.status_code} - {response.text}")

使用requests库发送POST请求到Ollama API，然后处理响应结果。如果请求成功（状态码200），则解析JSON响应并提取识别结果。

五、实战演示

5.1 准备测试图片

首先准备一张包含文字的图片，保存为img.png或其他格式。图片可以是：

• 扫描的文档

• 截图

• 包含文字的照片

5.2 运行代码

将代码保存为test_ocr.py，然后在编译器中运行该代码

5.3 查看结果

5.3.1 文字图片

图片：

对应输出内容：

5.3.2 纯图片

图片：

对应输出内容：

六、应用场景

DeepSeek-OCR结合Ollama可以在以下场景中发挥作用：

1. 文档数字化：将纸质文档转换为可编辑的电子文档

2. 票据处理：自动识别发票、收据等票据信息

3. 图片文字提取：从截图、照片中提取文字内容

4. 多语言翻译：识别文字后进行翻译

5. 数据录入自动化：自动将图片中的数据录入系统

6. 无障碍辅助：为视障用户提供图片文字朗读服务

七、总结

本文详细介绍了如何使用Ollama部署DeepSeek-OCR模型，并通过Python代码实现了图像文字识别功能。主要内容包括：

1. Ollama和DeepSeek-OCR的介绍

2. 环境准备和模型部署

3. 完整的Python代码实现

4. 代码详解和实战演示

通过本文的学习，你应该能够在本地快速搭建OCR识别系统，并将其应用到实际项目中。DeepSeek-OCR和Ollama的组合为我们提供了一个强大而易用的本地OCR解决方案，既保护了数据隐私，又提供了高效的识别能力。