最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

你好，我是袋鼠帝

前不久我写了一篇百度最新的OCR模型（PaddleOCR-VL）的文章反响还不错。

评论区大家呼声最高的是希望有一个PaddleOCR-VL的本地本地部署教程

我当时还立了个flag（到8000阅读就写教程）

我本来以为很难达成的，没想到最后超额完成了，居然超了两倍还多。

这篇文章，其实鸽了好久了，因为中间有很多事情。

其中一个是因为这篇文章，受邀作为共学嘉宾参加了百度的PaddleOCR-VL共学直播。

还有和Trae在昆明办了第一场线下活动TRAE Friends@昆明

没想到能到场54人，也没想到大家氛围超级好，都非常积极，原定活动是5.30结束，结果最后搞到了6.00。

好，扯远了，咱们回到正题

这段时间，我其实陆续都有尝试本地部署，但是PaddleOCR-VL刚开源嘛，文档、资料都还不是很完善，所以自己还是踩了不少坑，进行的并不顺利。

不过这两天终于跑通啦，然后轻松把本地PaddleOCR-VL接入了Fastgpt，而且没想到识别速度超快，基本上秒出！！最终只占了6G显存～

所以就赶紧给大家把这个教程补上，希望对大家有帮助（如果有帮助的话，别忘了三连哦）

首先PaddleOCR-VL目前还不支持Mac和AMD的显卡。

据官方表示：本地部署paddleOCR-VL的最低配置是RTX3060 12G显存的显卡。但是我体验下来，感觉8G显存也能跑。

本期我用的是Windows10的电脑，RTX 5060 TI 16G显存的显卡。

第一次把paddleOCR-VL在本地启动之后，占了差不多11G的显存。

不过第二次启动后，只占了6G多的显存。

我习惯用docker部署，因为简单方便，所以这次还是使用docker在本地部署PaddleOCR-VL。

这里是paddleOCR-VL的官方文档：

https://www.paddleocr.ai/main/version3.x/pipeline_usage/PaddleOCR-VL.html#311-docker

刚好他们文档里面有对50系显卡的支持

我这次的PaddleOCR-VL本地部署过程还挺曲折的（踩了不少坑）：

注意：不想看踩坑过程的朋友，可以直接全局搜："这条指令一键启动"，定位到最终的启动指令。

没有docker的朋友需要先自行安装、启动docker

然后win+r，输入cmd 打开Windows的控制台

执行第一个指令：

dockerrun -it --rm --gpusall-p8118:8118--network host ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddlex-genai-vllm-server /bin/bash

如果是第一次执行，会先下载镜像

这个镜像有18G。

如果是之前下载过镜像的，那么就会像下面这样。

直接进入启动的docker容器内部。

不过得检查一下是不是最新版的镜像

pip list | grep paddlex

只要paddlex版本号在3.3.4以上就行。

如果不是就exit（退出容器，回到Windows的控制台）重新拉取一下最新镜像：

dockerpull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddlex-genai-vllm-server

再执行最开始的指令，就会重新进入容器内部。

接下来需要安装flash-attn==2.8.3

不过他们之前的教程里面是错误的（现在更正了），因为镜像精简过，里面不包含CUDA编译工具，所以无法本地构建flash-attn。

我就说，之前一直报错，然后我丢给ai，ai给的方案都好复杂，越走越远了。。。

所以，他们给了我一个远程安装预编译的方案。

python-m pip install https://github.com/mjun0812/flash-attention-prebuild-wheels/releases/download/v0.4.11/flash_attn-2.8.3+cu128torch2.8-cp310-cp310-linux_x86_64.whl

上面这条还是在容器内执行。

终于！！！ 成功安装flash-attn==2.8.3

到这里，我感觉离成功只有一步之遥了，马上就要成啦~

于是我开始执行最后一条指令：

paddlex_genai_server--model_name PaddleOCR-VL -0.9B --backend vllm --port8118--host0.0.0.0

结果，不出意外，就要出意外了。

又报错了：out of memory（内存溢出），，丢给Gemini分析，简单来说就是，这个脚本限制使用一半的显存（8G），导致不够用。

然后就换了一个指令（在结尾加了一段参数：--backend_config <(echo -e 'gpu-memory-utilization: 0.8')，把vLLM的显存占用率设置为了80%≈13G）：

paddlex_genai_server--model_name PaddleOCR-VL-0.9B --backend vllm --port8118--host0.0.0.0--backend_config <(echo -e 'gpu-memory-utilization:0.8')

终于！这次终于成了~

这玩意儿，我真的断断续续折腾了好几天，这下终于部署好了，一下子还有点成就感。

显存占用是11G

后面我最后一次启动忘记加--backend_config <(echo -e 'gpu-memory-utilization: 0.8'，不过没报错，成功启动了，最终显存占用是6G多。

当然，也可以使用docker-compose的方式部署：

如果是非50系显卡，可以使用下面这个docker-compose.yml的配置

services: paddleocr-vl-api:  image: ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-offline  container_name: paddleocr-vl-api  ports:   - 8080:8080  depends_on:   paddleocr-genai-vllm-server:    condition: service_healthy  deploy:   resources:    reservations:     devices:      - driver: nvidia       device_ids: ["0"]       capabilities: [gpu]  restart: unless-stopped  healthcheck:  test: ["CMD-SHELL","curl -f http://localhost:8080/health || exit 1"] paddleocr-genai-vllm-server:  image: ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-offline  container_name: paddleocr-genai-vllm-server  deploy:   resources:    reservations:     devices:      - driver: nvidia       device_ids: ["0"]       capabilities: [gpu]  restart: unless-stopped  healthcheck:  test: ["CMD-SHELL","curl -f http://localhost:8080/health || exit 1"]   start_period: 300s

50系显卡的docker-compose文件官方暂时还没出

我最终使用的这条指令一键启动：

dockerrun -d --rm --gpusall-p8118:8118--name paddleocr-vl-server ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest sh -c"pip install https://github.com/mjun0812/flash-attention-prebuild-wheels/releases/download/v0.4.11/flash_attn-2.8.3+cu128torch2.8-cp310-cp310-linux_x86_64.whl && paddleocr genai_server --model_name PaddleOCR-VL-0.9B --backend vllm --port 8118 --host 0.0.0.0 --backend_config <(echo -e 'gpu-memory-utilization: 0.8')"

非50系显卡可以使用下面这个指令：

dockerrun -d --rm --gpusall-p8118:8118--name paddleocr-vl-server ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest sh -c"paddleocr genai_server --model_name PaddleOCR-VL-0.9B --backend vllm --port 8118 --host 0.0.0.0 --backend_config <(echo -e 'gpu-memory-utilization: 0.8')"

有点烦的就是每次启动，都要去下载那个253.6MB的flash-attn补丁和1.8GB的PaddleOCR-VL -0.9B以及202M的PP-DocLayoutV2模型。

会导致Windows里面docker所占用的虚拟空间越来越大。

所以大家启动成功后不要频繁重启

最终成功启动后的日志如下：

还可以访问它的API文档地址：<服务base URL>/docs

也就是http://localhost:8118/docs

然后，我用postman测试请求成功啦！！！

测试请求是下面这样的，使用OpenAI API的格式，识别的是一个在线的图片的URL地址。

{ "model":"PaddleOCR-VL-0.9B", "messages":[   {     "role":"user",     "content":[       {         "type":"text",         "text":"请识别这张图片中的所有文本内容。"       },       {         "type":"image_url",         "image_url":{           "url":"https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png"         }       }     ]   } ], "max_tokens":2048, "temperature":0.0}

PS：如果复制这段json用不了的朋友，可以丢给AI输出一遍，因为公众号里面复制出去可能会有格式错误，但是肉眼很难看出来。

说实话，我当时虽然部署成功了，但是我心里是没底的，我害怕这玩意儿调用困难，那也很难用。

结果没想到，它居然支持OpenAI API的格式。

那能做的事情就很多啦！！这不随便接入各种平台嘛。

比如fastgpt、dify、n8n都可以随便接入，非常方便。

我就先来试试接入fastgpt

非常简单，甚至都不需要配置apikey

新增模型->填写模型id：PaddleOCR-VL-0.9B

开启图片识别，填写请求地址：

http://<Base_URL>:8118/v1/chat/completions

点击确定保存即可

然后随便创建一个空白应用，添加PaddleOCR-VL-0.9B为模型，推荐把记忆轮数设置为0，否则它每次识别之后，返回的结果会带上一轮的回复，就会比较混乱。

把文件上传->图片上传打开

就可以开始测试啦，速度快到惊人！！基本上是秒出

这个fastgpt在我的Mac电脑上，然后PaddleOCR-VL是部署在我的windows电脑上，Mac这边请求一次，能在Windows的docker里面实时看到请求日志。

也可以把PaddleOCR-VL当作fastgpt知识库的图片理解模型

同时，接入Dify、n8n也非常轻松。不过目前官方貌似还没有出MCP。

对这块感兴趣的朋友可以多多三连呀，我再立一个flag：这篇阅读量如果再超过8000，我出一篇接入n8n的教程，然后再制作一个PaddleOCR-VL的MCP工具，让Claude Code这些本地Agent工具也能更方便的接入PaddleOCR-VL的能力～

能看到这里的都是凤毛麟角的存在！

如果觉得不错，随手点个赞、在看、转发三连吧~

如果想第一时间收到推送，也可以给我个星标⭐

谢谢你耐心看完我的文章~