deepseek-ocr

AI研究-119 DeepSeek-OCR PyTorch FlashAttn 2.7.3 推理与部署模型规模与资源详细分析要使用DeepSeek-OCR，需准备支持GPU的Python环境。根据官方说明，模型已在Python 3.12、PyTorch 2.6.0、Transformers 4.46.3下测试。

AI研究-121 DeepSeek-OCR 研究路线：无限上下文、跨模态抽取、未来创意点、项目创意点DeepSeek-OCR提出的上下文光学压缩为扩展LLM记忆提供了新思路。未来研究可以基于此探索“无限上下文”模型：模拟人类记忆，将旧对话压缩成模糊图像存储，新的信息用清晰图像保留，模型动态决定何时解压细读。这涉及构建分层记忆模块、研究压缩级别与任务性能的关系，可能催生出类人记忆的对话系统架构。

AI研究-120 DeepSeek-OCR 从 0 到 1：上手路线、实战要点如果读者有一定深度学习或OCR领域背景，想学习并掌握DeepSeek-OCR，以下是建议的路径：Medium: DeepSeek-OCR is here

用什么都重名

DeepSeek-OCR 深度解析DeepSeek团队最近开源的DeepSeek-OCR模型，给出了一个全新解法：把文本“画”成图像，用视觉Token实现高效压缩。原本需要1000个文本Token存储的内容，现在100个视觉Token就能搞定，还能保持97%的OCR精度。这种“光学压缩”思路，不仅让长文本处理效率飙升，更给大模型的“记忆机制”研究打开了新窗口。

CS创新实验室

【译文】DeepSeek-OCR：上下文光学压缩来源：https://arxiv.org/pdf/2510.18234v1侯浩然、孙耀峰、李宇坤DeepSeek-AI

DeepSeek-OCR 论文精读与实践：用“光学上下文压缩”把长文本变成图片，再由 VLM 高效还原关键词：DeepSeek-OCR、视觉-文本压缩、长上下文、MoE、OCR、文档解析、vLLM、Transformers

【LLM】用 FastAPI 搭建「OpenAI 兼容」DeepSeek-OCR 服务 + 简洁WebUI目标：本地部署 DeepSeek-OCR，暴露 /v1/chat/completions（OpenAI 协议兼容），并提供一个静态网页上传图片+输入提示直接获取结果。

机器学习是魔鬼

在矩池云上如何使用DeepSeek-OCRDeepSeek-OCR 是一个专注于光学字符识别（OCR）的深度学习模型，旨在从图像或文档中准确提取文本信息。该模型结合了计算机视觉和自然语言处理技术，能够处理多种语言、复杂布局以及低质量图像中的文本识别任务。

DeepSeek-OCR本地部署教程：DeepSeek突破性开创上下文光学压缩，10倍效率重构文本处理范式DeepSeek-OCR 是深度求索（DeepSeek）于 2025 年 10 月 20 日开源的一款革命性 OCR 模型，其核心创新在于提出上下文光学压缩（Contexts Optical Compression）技术，通过视觉模态实现文本信息的高效压缩与解压。该模型以 3B 参数量实现了 SOTA 级性能，按照官方的说法，单张 A100-40G 显卡日处理能力超 20 万页数据，这为长文本处理和大模型优化提供了全新范式。

关于 DeepSeek-OCR 的猜想cpu与gpu交互的token设计不合理，之前一个字符是一个token，DeepSeek-OCR是一张图像，我认为应该设计成压缩的json格式，或者 JSON 可以换成 python中的字典，json和字典可以嵌套，上一次的回复可以嵌入到下一次的问题中再次提交给网络，本身自带上下文属性

我是有底线的