利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

就在上周，人工智能团队DeepSeek AI正式发布全新多模态模型 DeepSeek-OCR。

这款模型以 “探索视觉 - 文本压缩边界” 为核心目标，从大语言模型（LLM）视角重新定义视觉编码器的功能定位，为文档识别、图像转文本等高频场景提供了兼顾精度与效率的全新解决方案，引发技术领域与行业应用端的广泛关注。

本文将带领大家部署在cloudstudio 利用免费时长的GPU资源部署一下带 web 端的项目，一睹为快。

解决什么问题？

“一图胜千言”。当大模型（LLM）面对超长文本（Long Context）时，传统的Tokenizer会产生海量的Token，带来巨大的计算和内存挑战。DeepSeek-OCR提出：为什么不干脆把这些长文本“截图”成一张图片，然后用Vision Encoder进行高效压缩，再喂给LLM呢？ 通过这种方式，几千个Text Token可以被压缩成几百个Vision Token，并且信息损失极小！

一键部署项目开源项目地址

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

DeepSeek-OCR-WebUI：https://github.com/neosun100/DeepSeek-OCR-WebUI

部署教程

打开链接：https://cloudstudio.net/，注册账号，其实就是本博客前面分享的的腾讯云高性能应用服务 HAI 升级产品。

注册后关联腾讯云账号和签到直接赠送 52 算力资源包时长。

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

然后创建一个应用，注意创建的时候一定要选 AI 模板环境才会分配显卡资源，而不是只有简单的内存和 CPU 的服务器，比如要有 nvida 和 conda，docker 基础环境的。

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

要部署的现有 web 项目。

直接在控制终端输入下面命令：

git clone https://github.com/rdumasia303/deepseek_ocr_app.git
cd deepseek_ocr_app
cp .env.example .env
docker-compose up -d --build

然后耐心等待项目镜像构建完成并启动。

最后访问映射端口访问服务即可体验。

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

或则部署另外一个 web 项目：

git clone https://github.com/neosun100/DeepSeek-OCR-WebUI.git
cd DeepSeek-OCR-WebUI
docker-compose up -d --build

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

测评效果

通用 ocr

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

图片描述

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

查找定位

利用 cloudstudio 免费 GPU 时长部署 DeepSeek-OCR

更多功能大家可以自行部署测试，总体上来说还是不错的，可以作为 ocr 的补充。

参考链接

开源项目deepseek_ocr_app 开源项目DeepSeek-OCR-WebUI

function Catalogswith(){document.getElementById("catalog-col").classList.toggle("catalog");document.getElementById("catalog").classList.toggle("catalog")}