docker部署MinerU web api

MinerU能够将包含图片、公式、表格等元素的多模态PDF、PPT、DOCX等文档转化为易于分析的Markdown格式。

1 克隆MinerU的仓库

shell 复制代码
git clone https://github.com/opendatalab/MinerU.git

2 cd到projects/web-api

shell 复制代码
cd projects/web-api

3 在可以科学上网的情况下可以直接运行

shell 复制代码
docker build -t mineru-api .

4 如果不能科学上网,使用modelscope

修改requirement.txt,添加modelscope==1.25.0 ![[Pasted image 20250429165051.png]] 修改download_models.py,删掉所有旧代码,改成这个

python 复制代码
#!/usr/bin/env python
import os
from modelscope.hub.snapshot_download import snapshot_download

# 配置模型下载路径(Windows路径示例:r'C:\MinerU')
MAIN_MODEL_DIR = "/opt/"
os.makedirs(MAIN_MODEL_DIR, exist_ok=True)

if __name__ == "__main__":
    # PDF-Extract-Kit的模型下载(需替换为ModelScope对应ID)
    pdf_extract_patterns = [
        "models/Layout/YOLO/**",
        "models/MFD/YOLO/**",
        "models/MFR/unimernet_hf_small_2503/**",
        "models/OCR/paddleocr_torch/**",
    ]
    pdf_model_path = snapshot_download(
        'opendatalab/PDF-Extract-Kit-1.0',  # ModelScope模型ID
        allow_patterns=pdf_extract_patterns,
        cache_dir=os.path.join(MAIN_MODEL_DIR, "models"),
        revision='master'  # 指定模型版本
    )

    # LayoutReader模型下载(需替换为ModelScope对应模型)
    layout_model_path = snapshot_download(
        'ppaanngggg/layoutreader',  # 替换为实际ModelScope ID
        cache_dir=os.path.join(MAIN_MODEL_DIR, "layoutreader"),
        allow_patterns=["*.json", "*.safetensors"]
    )

    print(f"主模型目录:{pdf_model_path}")
    print(f"布局模型目录:{layout_model_path}")

再运行docker build -t mineru-api .

5 编写docker-compose.yml

yml 复制代码
services:
  mineru-api:
    image: mineru-api
    ports:
      - "8000:8000"
    stdin_open: true   # 对应 -i 参数
    tty: true          # 对应 -t 参数
    runtime: nvidia    # 使用 NVIDIA 容器运行时
    environment:
      - NVIDIA_VISIBLE_DEVICES=all  # 允许访问所有 GPU

6 如果没有nvidia的runtime,先备份自己的daemon.json文件(/etc/docker/),通过yum install -y nvidia-docker2安装,这个命令会生成一个新的daemon.json文件,覆盖掉原来旧的,安装后之后比较一下新旧两个daemon文件,合并在一起。

7 启动

shell 复制代码
systemctl daemon-reload
systemctl restart docker
docker compose up -d

8 访问localhost:8000/docs

相关推荐
格林威13 分钟前
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现沙滩小人检测识别(C#代码UI界面版)
人工智能·深度学习·数码相机·yolo·计算机视觉
checkcheckck34 分钟前
spring ai 适配 流式回答、mcp、milvus向量数据库、rag、聊天会话记忆
人工智能
Microvision维视智造36 分钟前
从“人工眼”到‘智能眼’:EZ-Vision视觉系统如何重构生产线视觉检测精度?
图像处理·人工智能·重构·视觉检测
巫婆理发2221 小时前
神经网络(多层感知机)(第二课第二周)
人工智能·深度学习·神经网络
lxmyzzs1 小时前
【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南:从理论到代码实战,新手入门必看教程
人工智能·神经网络·yolo·目标检测·计算机视觉
SEO_juper1 小时前
企业级 AI 工具选型报告:9 个技术平台的 ROI 对比与部署策略
人工智能·搜索引擎·百度·llm·工具·geo·数字营销
Coovally AI模型快速验证1 小时前
数据集分享 | 智慧农业实战数据集精选
人工智能·算法·目标检测·机器学习·计算机视觉·目标跟踪·无人机
xw33734095641 小时前
彩色转灰度的核心逻辑:三种经典方法及原理对比
人工智能·python·深度学习·opencv·计算机视觉
蓝桉8021 小时前
opencv学习(图像金字塔)
人工智能·opencv·学习
倔强青铜三1 小时前
为什么 self 与 super() 成了 Python 的永恒痛点?
人工智能·python·面试