PaddleOCR 开始

PaddleOCR-VL-1.6 (0.9B) 是 SOTA 级文档视觉语言模型 (VLM)。

该模型以 96.3% 精度刷新 OmniDocBench v1.6，文本、公式、表格识别全面领先，并在古籍、生僻字、印章、图表等多场景能力显著增强，支持以 Markdown 和 JSON 格式输出结构化结果。

官方支持一键部署多种硬件后端（NVIDIA GPU、昆仑芯 XPU、昇腾 NPU等）、无缝集成 Dify、RAGFlow、Pathway和Cherry Studio。

本文将介绍两种方式来部署 PaddleOCR-VL-1.6 的推理服务，

  • 官方 Docker 方式: 官方强烈推荐采用该方式，以最大程度减少可能出现的环境问题
    • 官方其他方式，可以纯 Paddle。但如果想 vLLM 等推理，要独立环境，不混一起
  • 社区 ONNX 方式: 社区 Python 生态推理，脱离对官方 Paddle 工程的依赖

Docker 方式

若无 Docker 环境，请见下一节做准备；已有，则直接做部署。

NVIDIA GPU 推理时，需要注意 Compute Capability（简称 CC）和 CUDA 版本是否满足要求。
总体上建议 CC ≥ 8.0，CUDA ≥ 12.6，RTX 30 系列及以上，详见这里。

版本要求： Docker >= 19.03, CUDA >= 12.6

启动服务（offline），

docker run \
-it \
--rm \
--gpus all \
--network host \
ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-nvidia-gpu-offline \
paddleocr genai_server --model_name PaddleOCR-VL-1.6-0.9B --host 0.0.0.0 --port 8118 --backend vllm

启动信息，

(APIServer pid=1) INFO 08-10 08:08:08 [api_server.py:1971] Starting vLLM API server 0 on http://0.0.0.0:8118
...
(APIServer pid=1) INFO:     Started server process [1]
(APIServer pid=1) INFO:     Waiting for application startup.
(APIServer pid=1) INFO:     Application startup complete.
(APIServer pid=1) INFO:     127.0.0.1:45962 - "GET /health HTTP/1.1" 200 OK
(APIServer pid=1) [2026/08/10 08:08:08] paddleocr INFO: The PaddleOCR GenAI server has been started. You can either:
(APIServer pid=1)     1. Set the server URL in the module or pipeline configuration and call the PaddleOCR CLI or Python API. For example:
(APIServer pid=1)         paddleocr doc_parser --input demo.png --vl_rec_backend vllm-server --vl_rec_server_url http://localhost:8118/v1
(APIServer pid=1)     2. Make HTTP requests directly, or using the OpenAI client library.

显存占用大约 10G。

更多：

Docker 环境

安装 Docker，

$ docker -v
Docker version 29.6.2, build dfc4efb
$ docker compose version
Docker Compose version v5.3.1

# docker group
#  https://docs.docker.com/engine/install/linux-postinstall/
sudo groupadd docker
sudo usermod -aG docker $USER
newgrp docker

安装 NVIDIA Container Toolkit，

sudo systemctl restart docker
docker run --rm --runtime=nvidia --gpus all ubuntu:24.04 nvidia-smi

ONNX 方式

若无 Conda 环境，请见下一节做准备；已有，则直接做部署。

创建环境（py=3.12），

conda create -n ppocr python=3.12 -y
conda activate ppocr

准备 PaddleOCR-VL 独立工程（不依赖官方工程），

git clone --depth 1 https://github.com/devymex/paddleocr-vl-green.git
cd paddleocr-vl-green

# 可注释 onnxruntime，打开 onnxruntime-gpu，用上 GPU
# vi requirements.txt

pip install -r requirements.txt

准备模型进 ppocr/，

  • 版面检测模型 pp_doclayoutv3.onnx

  • 朝向检测模型 pp_lcnet_doc_ori.onnx

  • VL 识别模型 PaddleOCR-VL-1.6

    # 方式一：使用 huggingface-cli
unset http_proxy; unset https_proxy; unset all_proxy
hf download PaddlePaddle/PaddleOCR-VL-1.6 \
    --local-dir ppocr/paddleocr-vl-1.6

# 方式二：使用 git lfs
git clone https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6 \
    ppocr/paddleocr-vl-1.6

启动服务，

# 单 GPU（1 个 worker，使用 GPU 0），启用朝向检测
CUDA_VISIBLE_DEVICES=0 python -m scripts.server \
--model-path ppocr/paddleocr-vl-1.6 \
--layout-onnx ppocr/pp_doclayoutv3.onnx \
--orientation-onnx ppocr/pp_docorix1.onnx \
--device cuda:0 --port 8004

显存占用大约 6G。

测试服务，

# 同时启用朝向检测和版面检测
$ python - <<-EOF
import base64
import requests
import json

with open("sample/contract.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode('utf-8')

data = {
    "image": f"data:image/jpeg;base64,{img_b64}",
    "format": "json",
    "layout": True,
    "orientation": True
}

url = "http://localhost:8004/process"
response = requests.post(url, json=data)

print(f"Status Code: {response.status_code}")
print("Response:")
print(json.dumps(response.json(), indent=2, ensure_ascii=False))
EOF

# 响应
Status Code: 200
Response:
{
  "blocks": [
    {
      "content": "波纹补偿器购售合同",
      "label": "doc_title"
    },
    {
      "content": "项目名称：中铁（北京）商务广场",
      "label": "text"
    },
...

Conda 环境

安装 Miniconda，

# 安装 Miniconda 对应版本，如 Linux x86_64，都 yes
#  https://www.anaconda.com/docs/getting-started/miniconda/install
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 配置镜像源（清华）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/

结语

Let's Go Coding ~

posted @ 2026-08-14 11:41  GoCodingInMyWay  阅读(20)  评论(0)    收藏  举报