从零部署DeepSeek-OCR-WEBUI｜手把手实现网页端OCR推理

从零部署DeepSeek-OCR-WEBUI｜手把手实现网页端OCR推理

1. 准备工作：环境与依赖一览

在开始部署之前，先明确整个流程的最终目标：通过 Docker 一键启动 DeepSeek-OCR-WEBUI，实现本地化、可视化的网页端 OCR 文字识别服务。这个系统基于 DeepSeek 开源的大模型，支持多语言、高精度文本提取，尤其擅长中文复杂场景下的识别任务。

我们将在 Ubuntu 24.04 Server 系统上完成全部操作，使用 NVIDIA GPU 加速推理，并通过 WebUI 提供图形化交互界面。整个过程无需手动编译模型或配置复杂环境，只需按步骤执行即可。

1.1 系统与硬件要求

以下是推荐的最低配置：

特别提醒：如果你使用的是云服务器，请确保已开通 GPU 实例并正确挂载显卡驱动。

2. 基础环境搭建

2.1 安装 Docker

Docker 是本次部署的核心工具，它能将所有依赖打包成一个可移植的容器，避免“在我机器上能跑”的问题。

# 更新软件包索引 sudo apt-get update # 安装必要工具 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 仓库 sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" # 再次更新 sudo apt-get update # 安装 Docker CE sudo apt-get install -y docker-ce # 验证安装 sudo docker --version

安装完成后，建议将当前用户加入docker用户组，避免每次都要用sudo：

sudo usermod -aG docker ${USER}

执行完这行命令后，请退出 SSH 并重新登录，使权限生效。

2.2 配置 Docker 数据目录（可选但推荐）

默认情况下，Docker 镜像和容器数据会存储在系统盘/var/lib/docker，容易导致磁盘爆满。我们可以将其迁移到其他分区（如/data）：

sudo mkdir -p /data/docker sudo tee /etc/docker/daemon.json <<-'EOF' { "data-root": "/data/docker", "exec-opts":["native.cgroupdriver=systemd"], "log-driver":"json-file", "log-opts": {"max-size":"100m", "max-file":"3"} } EOF # 重启 Docker 生效配置 sudo systemctl daemon-reload sudo systemctl restart docker sudo systemctl enable docker

3. GPU 支持配置：让容器跑起来更快

DeepSeek-OCR 是计算密集型应用，必须借助 GPU 才能高效运行。而 Docker 默认无法直接调用 GPU，需要安装NVIDIA Container Toolkit。

3.1 检查 NVIDIA 驱动状态

首先确认你的 GPU 驱动是否正常：

nvidia-smi

如果能看到 GPU 型号、驱动版本和显存信息，说明驱动已就绪。若提示命令未找到，则需先安装官方驱动。

如果你看到类似 nouveau 的开源驱动正在运行，需要先禁用它，否则会与 NVIDIA 专有驱动冲突。

关闭 nouveau 驱动：

echo "blacklist nouveau" | sudo tee /etc/modprobe.d/blacklist-nouveau.conf echo "options nouveau modeset=0" | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf sudo update-initramfs -u sudo reboot

重启后再次执行nvidia-smi，应能正常显示 GPU 信息。

3.2 安装 NVIDIA Container Toolkit

这是让 Docker 容器访问 GPU 的关键组件。

# 添加 NVIDIA 软件源 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 # 安装 toolkit sudo apt-get update sudo apt-get install -y nvidia-container-toolkit

3.3 配置 Docker 使用 NVIDIA 运行时

sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker

3.4 测试 GPU 是否可在容器中使用

docker run --rm --gpus all nvidia/cuda:13.0.1-runtime-ubuntu22.04 nvidia-smi

如果输出了与宿主机一致的 GPU 信息，恭喜！你的 Docker 已经具备 GPU 推理能力。

4. 部署 DeepSeek-OCR-WEBUI 服务

现在进入正题——部署 WebUI 服务。

4.1 克隆项目代码

git clone https://github.com/neosun100/DeepSeek-OCR-WebUI.git cd DeepSeek-OCR-WebUI

该项目已经内置了docker-compose.yml文件，我们只需要一条命令就能启动整个服务。

4.2 构建并启动容器

docker compose up -d

首次运行会自动拉取镜像并下载模型文件，耗时较长（取决于网络速度），请耐心等待。

你可以通过以下命令查看服务状态：

docker compose ps

正常输出如下：

NAME STATUS PORTS deepseek-ocr-webui Up 2 minutes (health: starting) 6006/tcp, 8888/tcp, 0.0.0.0:8001->8001/tcp

其中0.0.0.0:8001->8001/tcp表示 WebUI 已映射到主机的 8001 端口。

4.3 查看日志以确认启动进度

docker logs -f deepseek-ocr-webui

首次启动时，你会看到大量日志，主要是从 HuggingFace 或 ModelScope 下载模型的过程。由于国内访问 HuggingFace 不稳定，项目已配置自动切换至ModelScope（阿里云魔搭平台），确保模型顺利加载。

模型文件会被缓存到~/DeepSeek-OCR-WebUI/models/目录下，后续重启无需重复下载。

5. 访问 WebUI 界面并体验 OCR 功能

当docker logs中不再频繁打印下载日志，且出现类似Uvicorn running on http://0.0.0.0:8001的提示时，说明服务已准备就绪。

打开浏览器，访问：

http://<你的服务器IP>:8001

例如：

http://172.16.17.113:8001

你应该能看到一个现代化的渐变风格网页界面，支持多种 OCR 模式。

5.1 主要功能入口说明

5.2 支持的 7 种识别模式

该 WebUI 提供了丰富的识别选项，满足不同场景需求：

示例：上传一张发票截图，选择“查找定位”，输入“金额”，系统会用红色框标出对应区域，并返回具体数值。

6. 高级操作与维护命令

以下是日常使用中常用的 Docker 管理命令，建议收藏备用。

6.1 常用控制命令

# 查看容器状态 docker compose ps # 查看实时日志 docker logs -f deepseek-ocr-webui # 重启服务（代码更新后） docker restart deepseek-ocr-webui # 完全重启（重新加载配置） docker compose restart # 停止服务 docker compose down # 重新构建镜像并启动（修改 Dockerfile 后） docker compose up -d --build

6.2 监控资源使用情况

# 实时监控 GPU 占用 watch -n 1 nvidia-smi # 查看容器资源消耗（CPU、内存） docker stats deepseek-ocr-webui

6.3 模型缓存路径说明

所有模型文件均保存在：

~/DeepSeek-OCR-WebUI/models/

该目录包含：

• deepseek-ai/DeepSeek-OCR：主模型权重
• tokenizer：分词器文件
• processor：预处理组件

这些文件只会下载一次，后续启动直接加载，大幅提升响应速度。

7. 常见问题与解决方案

7.1 启动失败：no such device: nvidia

原因：Docker 未正确配置 NVIDIA 运行时。

解决方法：

1. 确认nvidia-smi能正常运行
2. 检查是否安装了nvidia-container-toolkit
3. 执行sudo nvidia-ctk runtime configure --runtime=docker
4. 重启 Docker 服务

7.2 模型下载慢或失败

原因：HuggingFace 国内访问不稳定。

解决方案：

• 项目已内置 ModelScope 自动切换机制，无需干预
• 若仍失败，可手动下载模型并放置到models/目录
• 或设置代理（需自行配置容器内网络）

7.3 页面打不开，但容器显示运行中

检查点：

1. 防火墙是否开放 8001 端口？

   sudo ufw allow 8001

2. 云服务器安全组是否放行？
3. 是否用了错误的 IP 地址？建议使用ip a查看局域网 IP

7.4 如何升级到最新版本？

# 进入项目目录 cd DeepSeek-OCR-WebUI # 拉取最新代码 git pull # 重建服务 docker compose down docker compose up -d --build

8. 总结：为什么你应该尝试 DeepSeek-OCR-WEBUI

经过以上步骤，你现在拥有了一个功能完整、界面友好、性能强劲的本地 OCR 服务。相比市面上许多收费 OCR 工具，DeepSeek-OCR-WEBUI 的优势非常明显：

• 完全免费开源：无任何使用限制，可自由部署在私有环境
• 中文识别超强：针对中文排版、字体、模糊场景做了专项优化
• 多模态能力强：不仅能识字，还能理解图表、定位字段、生成描述
• 易于集成：提供标准 API 接口，可接入自动化办公、票据处理等系统
• 轻量高效：基于 vLLM 和 Transformers 构建，GPU 利用率高，响应快

无论是个人用来提取 PDF 文字，还是企业用于自动化处理合同、发票、报表，这套方案都能显著提升效率，降低人工成本。

更重要的是，你掌握了从零搭建 AI 服务的能力——这正是未来每一个技术人必备的核心技能。

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。