告别复杂文档解析噩梦!MonkeyOCR 本地部署教程:支持公式/表格多元素结构化

一、介绍

MonkeyOCR 是华中科技大学联合金山办公(Kingsoft Office)推出的文档解析模型,模型支持高效地将非结构化文档内容转换为结构化信息。基于精确的布局分析、内容识别和逻辑排序,显著提升文档解析的准确性和效率。

与传统方法相比,MonkeyOCR在处理复杂文档(如包含公式和表格的文档)时表现出色,平为性能提升5.1%,在公式和表格解析上分别提升15.0%和8.6%。模型在多页文档处理速度上表现出色,达到每秒0.84页,远超其他同类工具。 MonkeyOCR支持多种文档类型,包括学术论文、教科书和报纸等,适用多种语言,为文档数字化和自动化处理提供强大的支持。

二、部署流程

环境推荐配置

系统:Ubuntu22.04,

显卡:4090,

显存:24G,cuda12.4.1

1. 基础环境

查看系统是否有Miniconda3的虚拟环境

复制代码
conda -V

如果输入命令没有显示Conda版本号,则需要安装。

2.更新系统命令

输入下列命令将系统更新及系统下载

sql 复制代码
apt-get update && apt-get install ffmpeg libsm6 libxext6  -y

3.创建虚拟环境

创建名称为"MonkeyOCR "的虚拟环境

ini 复制代码
conda create -n MonkeyOCR python=3.10 -y 

激活虚拟环境

复制代码
conda activate MonkeyOCR 

4.下载模型

输入下列命令下载MonkeyOCR 模型同时进入项目中

bash 复制代码
git clone https://github.com/Yuliang-Liu/MonkeyOCR.git
cd MonkeyOCR

5.下载Pytorch

输入下列命令:

ini 复制代码
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124 

直到"Successfully"出现,下载才结束

6.下载依赖包

erlang 复制代码
pip install -e .


直到"Successfully"出现,下载才结束

7.下载模型权重文件

bash 复制代码
python tools/download_model.py

三、Gradio演示

下载其他缺失依赖包

ini 复制代码
# Prepare your env for gradio
pip install gradio==5.23.3
pip install pdf2image==1.17.0

访问界面

bash 复制代码
python demo/demo_gradio.py

界面效果

四、其他(可选)

修复 RTX 3090 / 4090 / ...GPU

我们的 3B 模型在 NVIDIA RTX 3090 上高效运行。但是,当使用 LMDeploy 作为推理后端时,您可能会遇到 RTX 3090 / 4090 GPU 的兼容性问题,尤其是以下错误:

csharp 复制代码
triton.runtime.errors.OutOfResources: out of resource: shared memory

要解决此问题,您可以应用以下补丁:

bash 复制代码
python tools/lmdeploy_patcher.py patch

⚠️ 注意:此命令将在您的环境中修改 LMDeploy 的源代码。 要还原更改,只需运行:

bash 复制代码
python tools/lmdeploy_patcher.py restore
相关推荐
数据与人工智能律师几秒前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
chenchihwen2 分钟前
大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容
人工智能·学习
说私域10 分钟前
公域流量向私域流量转化策略研究——基于开源AI智能客服、AI智能名片与S2B2C商城小程序的融合应用
人工智能·小程序
Java樱木23 分钟前
AI 编程工具 Trae 重要的升级。。。
人工智能
凪卄121343 分钟前
图像预处理 二
人工智能·python·深度学习·计算机视觉·pycharm
AI赋能1 小时前
自动驾驶训练-tub详解
人工智能·深度学习·自动驾驶
deephub1 小时前
AI代理性能提升实战:LangChain+LangGraph内存管理与上下文优化完整指南
人工智能·深度学习·神经网络·langchain·大语言模型·rag
EulerBlind1 小时前
【运维】SGLang 安装指南
运维·人工智能·语言模型
心之语歌1 小时前
Spring AI MCP 客户端
人工智能·spring·github
van叶~2 小时前
Linux网络-------1.socket编程基础---(TCP-socket)
linux·网络·tcp/ip