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
咋的啥名都用不了呢~25 分钟前
Linux项目部署6(安装Elasticsearch)
linux
螺丝钉tina1 小时前
[Playwright] [20][AI] 失败分析:让AI大模型帮你debug
人工智能
MSTcheng.2 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
无奈笑天下2 小时前
银河麒麟桌面上USB打印机无法打印问题标准处理流程
linux·运维·网络协议
世冠科技2 小时前
世冠科技GCEAgent重磅发布,开启复杂装备AI原生智能研发新范式
人工智能·科技·ai-native
轻松,带微笑2 小时前
AI竞争进入下半场:微软押注专业模型,通用大模型不再是唯一答案
人工智能·microsoft
哈尔滨张谦蛋2 小时前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
Bigger2 小时前
我扒了 GitHub Trending 前 20,8 个在做同一件事:给 Coding Agent 造基础设施
开源·github·ai编程
openUBMC2 小时前
从带外管理到开源共建:openUBMC 走进华南高校
开源