【Deepseek OCR】重磅测试，mac环境下的体验【本人已经本地实验成功】

文章目录

- [Deepseek ocr 这模型](#Deepseek ocr 这模型)
- - 模型下载
- 使用用再说
- - 先下下来尝试一下
  - [搭配环境【conda环境】](#搭配环境【conda环境】)
  - [使用 hf-mirror.com 替换 https://huggingface.co](#使用 hf-mirror.com 替换 https://huggingface.co)
  - 报错指南
  - - model镜像无法下载
    - 报错cuda错误
  - 最终结果
- Todo后续会使用gradio来体验
- 有兴趣拉一下

Deepseek ocr 这模型

在人工智能时代，光学字符识别（OCR）技术已成为数字化转型的核心引擎，从文档扫描到知识提取，其应用正日益扩展。2025年10月20日，DeepSeek-AI团队开源了DeepSeek-OCR模型，这款约30亿参数的视觉-语言模型（VLM）以"上下文光学压缩"（Contexts Optical Compression）为核心创新，通过将长文本转化为视觉令牌，实现7-20倍的压缩率，同时保持高精度。该模型在撰写本文戒指10月23日10：00已在GitHub上迅速积累超过12K星，备受Andrej Karpathy等行业大咖青睥。本文从源码分析、架构设计、本地案例验证及实际使用场景四个维度，深入剖析DeepSeek-OCR的效果与潜力，揭示其在OCR领域的突破性价值。

说了很多，模型参数（3B）足够本地运行了，本人mac 本地环境，想针对该模型进行工作适配。

模型下载

复制代码

https://huggingface.co/deepseek-ai/DeepSeek-OCR

镜像地址

复制代码

https://hf-mirror.com/deepseek-ai/DeepSeek-OCR

使用用再说

先下下来尝试一下

shell 复制代码

git clone https://github.com/deepseek-ai/DeepSeek-OCR.git

如果网络有问题使用如下

shell 复制代码

git clone https://gitee.com/ZhangALiang/DeepSeek-OCR.git

本人在镜像上用pdf mathTranslate生成了一份中文版论文。可以对照着看。

搭配环境【conda环境】

shell 复制代码

conda create -n deepseek-ocr python=3.12.9 -y
conda activate deepseek-ocr

下载依赖

shell 复制代码

pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0
pip install -r requirements.txt

注意，本人使用pip install torch2.6.0 torchvision0.21.0 torchaudio2.6.0 --index-url https://download.pytorch.org/whl/cu118 无法下载。
也没有安装pip install flash-attn2.7.3 --no-build-isolation

也就是没有使用vllm

使用 hf-mirror.com 替换 https://huggingface.co

python 复制代码

# HUGGINGFACE_CO_URL_HOME = "https://huggingface.co/"
HUGGINGFACE_CO_URL_HOME = "https://hf-mirror.com/"
_HF_DEFAULT_ENDPOINT = "https://hf-mirror.com"
# _HF_DEFAULT_ENDPOINT = "https://huggingface.co"

报错指南

model镜像无法下载

python 复制代码

# 1. 设置镜像源（核心）
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
# （可选）2. 设置本地缓存路径（避免每次下载到默认目录）
os.environ["HUGGINGFACE_HUB_CACHE"] = "./my_hf_cache"