AI大模型：（二）1.6 DeepSeek-OCR部署尝鲜

目录

1.部署要求

2.安装

2.1.环境准备

2.2.模型下载

3.推理

3.1.推理代码

3.2.错误解决

3.3.推理

4.推理结果

---

        2025年10月20日深度求索重磅发布DeepSeek-OCR（OCR（Optical Character Recognition，文字识别）模型是一种用来从图像中提取文本的技术）多模态模型，以"探索视觉-文本压缩边界"为目标，通过重构视觉编码器功能定位，为文档识别及图像转文本场景提供高效解决方案 。该模型由DeepEncoder编码器与DeepSeek3B-MoE-A570M解码器构成，参数规模约3B，支持将长文本渲染为图像实现高压缩比表达。

        DeepSeek-OCR在高分辨率输入下保持低计算激活，其10倍无损压缩时OCR准确率达97%，20倍压缩率下仍保有约60%准确率。在OmniDocBench测试中，使用100个视觉token即超越GOT-OCR2.0（每页256token），800个视觉token优于MinerU2.0（每页超6000token）。单张A100显卡可日生成超20万页训练数据，为长文本压缩与LLM记忆机制研究提供新思路。