微信扫码
添加专属顾问
PaddleOCR-VL-0.9B生产部署指南:如何用vllm和SGLang实现高效推理加速。 核心内容: 1. PaddleOCR-VL-0.9B的生产环境部署方案对比 2. 使用vllm作为后端的详细部署步骤 3. 客户端调用服务的Python API使用方法
前文PaddleOCR-VL-0.9B上手体验写了如何使用PaddleOCR-VL来做图片的识别过程,而真正生成环境部署时Paddle不推荐使用之前的方式。
因为Paddle的模型自成体系并做了优化,但PaddleOCR-VL-0.9B却使用的Hugging Face的模型格式,Paddle并未对其进行优化,所以推荐使用vllm和SGLang这样的专用大模型推理工具作为后端进行生成部署使用。
本文就分别介绍在用一台机器上使用vllm作为后端部署的场景和将整个OCR识别作为远端服务的场景
后端部署和服务部署的区别
PaddleOCR-VL实际的架构,大体描述如下:
要加快PaddleOCR-VL-0.9B的推理呢,需要分成两个独立的进程且部署在同一台设备中:
为了减少耦合性,进一步采用服务部署的方式,识别进程和服务可以分别部署于不同的设备节点上,架构如下:
Vllm后端部署
# 安装推理加速服务依赖
paddleocr install_genai_server_deps vllm
安装完成后,可通过 paddleocr genai_server 命令启动服务:
paddleocr genai_server --model_name PaddleOCR-VL-0.9B --backend vllm --port 8118
该命令支持的参数如下:
--model_name | |
--model_dir | |
--host | |
--port | |
--backend | vllm 或 sglang |
--backend_config |
启动 VLM 推理服务后,客户端即可通过 PaddleOCR 调用该服务。
创建 PaddleOCRVL 对象时传入 vl_rec_backend 和 vl_rec_server_url 参数:
from paddleocr import PaddleOCRVLpipeline = PaddleOCRVL(vl_rec_backend="vllm-server", vl_rec_server_url="http://127.0.0.1:8118/v1")output = pipeline.predict("webwxgetmsgimg.jpeg")#print(output)for res in output:#res.print()res.save_to_json(save_path="output")res.save_to_markdown(save_path="output")print(res._to_json())print(dir(res))
需要注意的地方¶
1. 当前通过paddleocr install_genai_server_deps vllm安装的vllm版本为0.10.1,pytorch为2.8.0,如果你直接使用自己安装的版本时要做个参照,比之小的vllm版本如0.6.x时会因为不兼容报错。
2. 所需显存
vllm启动真实所需的显存大约为4.2GB,但实际情况下需要有更多的空闲显存才能启动,否则将报OOM。如果还有其它模型需要同时运行,一种取巧的方法是先启动vllm的,等启动成功后,再启动其它模型。
3. 配置修改
对于传入后端vllm的参数可以通过过/home/zhds/.local/lib/python3.10/site-packages/paddlex/inference/genai/configs/paddleocr_vl_09b.py文件进行修改
def get_config(backend): if backend == "fastdeploy": return { "gpu-memory-utilization": 0.3, "max-model-len": 16384, "max-num-batched-tokens": 131072, "max-num-seqs": 256, } elif backend == "vllm": return { "trust-remote-code": True, "gpu-memory-utilization": 0.3, "max-model-len": 16384, "max-num-batched-tokens": 131072, "api-server-count": 4, "max-num-seqs":4, } elif backend == "sglang": return { "trust-remote-code": True, "mem-fraction-static": 0.5, "context-length": 16384, "max-prefill-tokens": 131072, } else: raise ValueError(f"Unsupported backend: {backend}")SGLang后端部署
安装依赖
paddleocr install_genai_server_deps sglang
官方提供的sglang版本为0.5.2,可惜sglang的依赖flashinfer=0.3.1的版本太过复杂无法安装成功。手工安装flashinfer==0.5.2可以成功,但最后运行时会报参数个数错误,和sglang-0.5.2版本不匹配导致无法运行。
解决办法
最后通过单独安装sglang==0.5.5版本解决,有可能单独安装torchao, pytorch默认不带此组件。
启动命令:
paddleocr genai_server --model_name PaddleOCR-VL-0.9B --backend sglang --port 8119
输出如下:
[] INFO: Application startup complete.[] INFO: Uvicorn running on http://localhost:8119 (Press CTRL+C to quit)[] INFO: 127.0.0.1:53766 - "GET /health HTTP/1.1" 503 Service Unavailable[] INFO: 127.0.0.1:53774 - "GET /get_model_info HTTP/1.1" 200 OK[] Prefill batch,[] INFO: 127.0.0.1:53790 - "GET /health HTTP/1.1" 503 Service Unavailable[] INFO: 127.0.0.1:53802 - "GET /health HTTP/1.1" 503 Service Unavailable[] INFO: 127.0.0.1:53784 - "POST /generate HTTP/1.1" 200 OK[] The server is fired up and ready to roll![] Prefill batch,[] INFO: 127.0.0.1:53808 - "GET /health HTTP/1.1" 200 OK[] paddleocr INFO: The PaddleOCR GenAI server has been started. You can either:1. Set the server URL in the module or pipeline configuration and call the PaddleOCR CLI or Python API. For example:paddleocr doc_parser --input demo.png --vl_rec_backend sglang-server --vl_rec_server_url http://localhost:8119/v12. Make HTTP requests directly, or using the OpenAI client library.
占用显存:
4.5GB, 和vllm不同不会提前锁定显存,启动非常顺利
python代码:
from paddleocr import PaddleOCRVLpipeline = PaddleOCRVL(vl_rec_backend="sglang-server", vl_rec_server_url="http://127.0.0.1:8119/v1")output = pipeline.predict("webwxgetmsgimg.jpeg")#print(output)for res in output: #res.print() res.save_to_json(save_path="output") res.save_to_markdown(save_path="output") print(res._to_json()) print(dir(res))服务部署
执行以下命令,通过 PaddleX CLI 安装服务化部署插件
paddlex --install serving
然后,使用 PaddleX CLI 启动服务器:
paddlex --serve --pipeline PaddleOCR-VL
启动后将看到类似如下输出,服务器默认监听 8080 端口:
INFO: Started server process [63108]INFO: Waiting for application startup.INFO: Application startup complete.INFO: Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)
与服务化部署相关的命令行参数如下:
--pipeline | |
--device | |
--host | 0.0.0.0。 |
--port | 8080。 |
--use_hpip | |
--hpi_config |
上述服务启动使用的是transformer作为推理的,仅限测试和验证时使用。
客户端访问代码:
import base64import requestsimport pathlibAPI_URL = "http://localhost:8080/layout-parsing" # 服务URLimage_path = "./demo.jpg"# 对本地图像进行Base64编码with open(image_path, "rb") as file:image_bytes = file.read()image_data = base64.b64encode(image_bytes).decode("ascii")payload = {"file": image_data, # Base64编码的文件内容或者文件URL"fileType": 1, # 文件类型,1表示图像文件}# 调用APIresponse = requests.post(API_URL, json=payload)# 处理接口返回数据assert response.status_code == 200result = response.json()["result"]for i, res in enumerate(result["layoutParsingResults"]):print(res["prunedResult"])md_dir = pathlib.Path(f"markdown_{i}")md_dir.mkdir(exist_ok=True)(md_dir / "doc.md").write_text(res["markdown"]["text"])for img_path, img in res["markdown"]["images"].items():img_path = md_dir / img_pathimg_path.parent.mkdir(parents=True, exist_ok=True)img_path.write_bytes(base64.b64decode(img))print(f"Markdown document saved at {md_dir / 'doc.md'}")for img_name, img in res["outputImages"].items():img_path = f"{img_name}_{i}.jpg"pathlib.Path(img_path).parent.mkdir(exist_ok=True)with open(img_path, "wb") as f:f.write(base64.b64decode(img))print(f"Output image saved at {img_path}")
服务部署优化
调整服务化部署的 PaddleOCR-VL 配置只需以下三步:
paddlex --get_pipeline_config PaddleOCR-VL
默认在当前目录下生成PaddleOCR-VL.yaml文件,可以指定为其它目录
使用加速框架提升 VLM 推理性能
如需使用 vLLM 等加速框架提升 VLM 推理性能(第 2 节详细介绍如何启动 VLM 推理服务),可在产线配置文件中修改 VLRecognition.genai_config.backend 和 VLRecognition.genai_config.server_url 字段,例如:
VLRecognition:
...
genai_config:
backend: vllm-server
server_url: http://127.0.0.1:8118/v1
启用文档图像预处理功能
默认配置启动的服务不支持文档预处理功能。若客户端调用该功能,将返回错误信息。如需启用文档预处理,请在产线配置文件中将 use_doc_preprocessor 设置为 True,并使用修改后的配置文件启动服务。
禁用结果可视化功能
服务默认返回可视化结果,这会引入额外开销。如需禁用该功能,可在产线配置文件中添加如下配置:
Serving:
visualize:False
此外,也可在请求体中设置 visualize 字段为 false,以针对单次请求禁用可视化。
paddlex --serve --pipeline PaddleOCR-VL.yaml
日志如下:
Creating model: ('PP-DocLayoutV2', None)Model files already exist. Using cached files. To redownload, please delete the directory manually: `/home/zhds/.paddlex/official_models/PP-DocLayoutV2`./home/zhds/.local/lib/python3.10/site-packages/paddle/utils/cpp_extension/extension_utils.py:718: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md warnings.warn(warning_message)Creating model: ('PaddleOCR-VL-0.9B', None)INFO: Started server process [1938346]INFO: Waiting for application startup.INFO: Application startup complete.INFO: Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)INFO: 127.0.0.1:49176 - "POST /layout-parsing HTTP/1.1" 200 OK
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-07-09
GPT-Live:当 AI 学会一边听你说话,一边回应你
2026-07-09
一文读懂Harness Engineering!
2026-07-09
GPT-6要来了!OpenAI彻底抛弃4T旧底座
2026-07-09
AI智能体为何选择MCP而不是API
2026-07-09
OpenAI深夜放出GPT-Live,ChatGPT终于像真人一样说话
2026-07-09
OpenAI 发布新一代语音模型 GPT-Live。山姆·奥特曼:感觉很神奇
2026-07-09
刚刚,OpenAI 官宣 GPT-5.6 本周四全量上线!
2026-07-08
阿里 SkillWeaver:跳过加载全部工具,Agent Token 消耗直降 99%
2026-04-15
2026-04-24
2026-04-17
2026-04-14
2026-04-24
2026-05-19
2026-04-22
2026-04-24
2026-04-24
2026-04-16
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。