PaddleOCR-VL AMD GPU 使用教程¶

Info

除非另有说明，本教程中提到的 “PaddleOCR-VL” 均指 PaddleOCR-VL 系列模型（如 PaddleOCR-VL-1.5 等）；若特指 PaddleOCR-VL v1 版本，将另行明确标注。

本教程是 PaddleOCR-VL 在 AMD GPU 上的使用指南，涵盖了从环境准备到服务化部署的完整流程。

目前 PaddleOCR-VL 已在 AMD MI300X 上完成精度、速度验证；鉴于硬件环境的多样性，其他 AMD GPU 的兼容性尚未验证。我们诚挚欢迎社区用户在不同硬件上进行测试并反馈您的运行结果。

本硬件支持的使用目标¶

请在本硬件教程中按下表继续阅读。

目标	本硬件上的支持情况	从哪里开始阅读
本地直接推理	支持	阅读第 1 节“环境准备”和第 2 节“快速开始”。
客户端 + VLM 推理服务	支持	先完成本地直接推理，再阅读第 3 节“使用 VLM 推理服务提升推理性能”。
完整 API 服务	支持 Docker Compose 部署	先阅读第 4.1 节，再继续阅读第 4.2 节客户端调用部分和第 4.3 节产线配置调整部分。
模型微调	支持	阅读第 5 节“模型微调”。

如果你只是想先确认本硬件支持哪些推理方式，请参考主教程中的 PaddleOCR-VL 推理方式与硬件支持矩阵。

1. 环境准备¶

当前硬件支持的环境准备方式

环境准备方式	状态	说明
官方 Docker 镜像	支持并提供步骤	请继续阅读本节的 1.1。
手动安装 PaddlePaddle 和 PaddleOCR	支持并提供步骤	请继续阅读本节的 1.2。

此步骤主要介绍如何搭建 PaddleOCR-VL 的运行环境，有以下两种方式，任选一种即可：

方法一：使用官方 Docker 镜像。
方法二：手动安装 PaddlePaddle 和 PaddleOCR。

我们强烈推荐采用 Docker 镜像的方式，以最大程度减少可能出现的环境问题。

1.1 方法一：使用 Docker 镜像¶

我们推荐使用官方 Docker 镜像（要求 Docker 版本 >= 19.03）：

docker run -it \
  --user root \
  --device /dev:/dev \
  --shm-size 64g \
  --network host \
  ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-amd-gpu \
  /bin/bash
# 在容器中调用 PaddleOCR CLI 或 Python API

如果您希望在无法连接互联网的环境中启动服务，请将上述命令中的 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-amd-gpu（镜像的大小约为 15 GB）更换为离线版本镜像 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-amd-gpu-offline（镜像的大小约为 17 GB）。

Tip

标签后缀为 latest-xxx 的镜像对应最新版本。如果本地已经存在对应的 latest 镜像，但希望使用最新功能或修复，建议在继续使用前重新执行一次 docker pull 更新镜像。如果希望使用特定版本的 PaddleOCR 镜像，可以将标签中的 latest 替换为对应版本号：paddleocr<major>.<minor>。例如： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:paddleocr3.4-amd-gpu-offline

1.2 方法二：手动安装 PaddlePaddle 和 PaddleOCR¶

如果您无法使用 Docker，也可以手动安装 PaddlePaddle 和 PaddleOCR。本文档验证过的 Python 版本范围为 3.9–3.13。

我们强烈推荐您在虚拟环境中安装 PaddleOCR-VL，以避免发生依赖冲突。 例如，使用 Python venv 标准库创建虚拟环境：

# 创建虚拟环境
python -m venv .venv_paddleocr
# 激活环境
source .venv_paddleocr/bin/activate

执行如下命令完成安装：

python -m pip install paddlepaddle==3.2.1 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
python -m pip install -U "paddleocr[doc-parser]"

请注意安装 3.2.0 及以上版本的飞桨框架。

2. 快速开始¶

请参考 PaddleOCR-VL 使用教程 - 2. 快速开始。

3. 使用 VLM 推理服务提升推理性能¶

默认配置下的推理性能未经过充分优化，可能无法满足实际生产需求。此步骤主要介绍如何通过 VLM 推理服务提升 PaddleOCR-VL 的推理性能。在当前硬件文档中，示例使用 vLLM 作为 VLM 推理服务后端。

3.1 启动 VLM 推理服务¶

Important

按照本节说明启动的服务仅负责 PaddleOCR-VL 流程中的 VLM 推理环节，不提供完整的端到端文档解析 API。强烈不建议直接通过 HTTP 请求或使用 OpenAI 客户端调用该服务处理文档图像。若您需要部署具备 PaddleOCR-VL 完整能力的服务，请参考后文的服务化部署部分。

当前硬件支持的启动方式

启动方式	状态	说明
官方 Docker 镜像	支持并提供步骤	本节提供 vLLM 推理服务的启动步骤。
通过 PaddleOCR CLI 安装依赖后启动	当前不支持	当前硬件不支持该路径。
直接使用推理加速框架启动	当前不支持	当前硬件不支持该路径。

PaddleOCR 提供了 Docker 镜像，用于快速启动 vLLM 推理服务。可使用以下命令启动服务（要求 Docker 版本 >= 19.03）：

docker run -it \
  --name paddleocr_vllm \
  --user root \
  --device /dev:/dev \
  --shm-size 64g \
  --network host \
  ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-amd-gpu \
  paddleocr genai_server --model_name PaddleOCR-VL-1.5-0.9B --host 0.0.0.0 --port 8118 --backend vllm

如果您希望在无法连接互联网的环境中启动服务，请将上述命令中的 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-amd-gpu（镜像的大小约为 31 GB）更换为离线版本镜像 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-amd-gpu-offline（镜像的大小约为 33 GB）。

启动 vLLM 推理服务时，我们提供了一套默认参数设置。如果您有调整显存占用等更多参数的需求，可以自行配置更多参数。请参考 3.3.1 服务端参数调整创建配置文件，然后将该文件挂载到容器中，并在启动服务的命令中使用 backend_config 指定配置文件，例如：

docker run -it \
  --name paddleocr_vllm \
  --user root \
  --device /dev:/dev \
  --shm-size 64g \
  --network host \
  ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:latest-amd-gpu \
  paddleocr genai_server --model_name PaddleOCR-VL-1.5-0.9B --host 0.0.0.0 --port 8118 --backend vllm --backend_config /tmp/vllm_config.yml

Tip

标签后缀为 latest-xxx 的镜像对应最新版本。如果本地已经存在对应的 latest 镜像，但希望使用最新功能或修复，建议在继续使用前重新执行一次 docker pull 更新镜像。如果希望使用特定版本的 PaddleOCR 镜像，可以将标签中的 latest 替换为对应版本号：paddleocr<major>.<minor>。例如： ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-vllm-server:paddleocr3.4-amd-gpu-offline

3.2 客户端使用方法¶

客户端调用方式请参考 PaddleOCR-VL 使用教程 - 3.2 客户端使用方法。

3.3 性能调优¶

请参考PaddleOCR-VL 使用教程 - 3.3 性能调优。

4. 服务化部署¶

当前硬件支持的部署方式

部署方式	状态	说明
Docker Compose 部署	支持并提供步骤	请继续阅读本节的 4.1。
手动部署	当前不支持	当前硬件不支持该路径。

Important

本节所介绍的 PaddleOCR-VL 服务与上一节中的 VLM 推理服务有所区别：后者仅负责完整流程中的一个环节（即 VLM 推理），并作为前者的底层服务被调用。

4.1 使用 Docker Compose 部署¶

此步骤主要介绍如何使用 Docker Compose 将 PaddleOCR-VL 部署为服务并调用，具体流程如下：

分别从此处和此处获取 Compose 文件与环境变量配置文件并下载到本地。
在 compose.yaml 和 .env 文件所在目录下执行以下命令启动服务器，默认监听 8080 端口：
```
# 必须在 compose.yaml 和 .env 文件所在的目录中执行
docker compose up
```
提示： compose.yaml 中使用的镜像标签通常由 .env 中的 API_IMAGE_TAG_SUFFIX 和 VLM_IMAGE_TAG_SUFFIX 控制，默认使用 latest-amd-gpu-offline 等标签。如需确保拉取到最新的 latest 镜像，可先在当前目录执行 docker compose pull，再执行 docker compose up。如果希望使用特定版本的 PaddleOCR 镜像，可将这两个环境变量中的 latest 替换为对应版本号 paddleocr<major>.<minor>，例如 paddleocr3.3-amd-gpu-offline。

启动后将看到类似如下输出：
```
paddleocr-vl-api             | INFO:     Started server process [1]
paddleocr-vl-api             | INFO:     Waiting for application startup.
paddleocr-vl-api             | INFO:     Application startup complete.
paddleocr-vl-api             | INFO:     Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)
```

此方式基于 vLLM 框架对 VLM 推理进行加速，更适合生产环境部署。

此外，使用此方式启动服务器后，除拉取镜像外，无需连接互联网。如需在离线环境中部署，可先在联网机器上拉取 Compose 文件中涉及的镜像，导出并传输至离线机器中导入，即可在离线环境下启动服务。

Docker Compose 通过读取 .env 和 compose.yaml 文件中配置，先后启动 2 个容器，分别运行底层 VLM 推理服务，以及 PaddleOCR-VL 服务（产线服务）。

.env 文件中包含的各环境变量含义如下：

API_IMAGE_TAG_SUFFIX：启动产线服务使用的镜像的标签后缀。
VLM_BACKEND：VLM 推理后端。
VLM_IMAGE_TAG_SUFFIX：启动 VLM 推理服务使用的镜像的标签后缀。

您可以通过修改 compose.yaml 来满足自定义需求，例如：

1. 更改 PaddleOCR-VL 服务的端口

编辑 compose.yaml 文件中的 paddleocr-vl-api.ports 来更改端口。例如，如果您需要将服务端口更换为 8111，可以进行以下修改：

  paddleocr-vl-api:
    ...
    ports:
-     - 8080:8080
+     - 8111:8080
    ...

2. 指定 PaddleOCR-VL 服务所使用的 GPU

编辑 compose.yaml 文件中的 environment 来更改所使用的 GPU。例如，如果您需要使用卡 1 进行部署，可以进行以下修改：

  paddleocr-vl-api:
    ...
    environment:
+     - HIP_VISIBLE_DEVICES: 1
    ...
  paddleocr-vlm-server:
    ...
    environment:
+     - HIP_VISIBLE_DEVICES: 1
    ...

3. 调整 VLM 服务端配置

若您想调整 VLM 服务端的配置，可以参考 3.3.1 服务端参数调整生成配置文件。生成配置文件后，将以下的 paddleocr-vlm-server.volumes 和 paddleocr-vlm-server.command 字段增加到您的 compose.yaml 中。请将 /path/to/your_config.yaml 替换为您的实际配置文件路径。

  paddleocr-vlm-server:
    ...
    volumes: /path/to/your_config.yaml:/home/paddleocr/vlm_server_config.yaml
    command: paddleocr genai_server --model_name PaddleOCR-VL-1.5-0.9B --host 0.0.0.0 --port 8118 --backend vllm --backend_config /home/paddleocr/vlm_server_config.yaml
    ...

4. 调整产线相关配置（如模型路径、批处理大小、部署设备等）

参考 4.4 产线配置调整说明小节。

4.2 客户端调用方式¶

请参考PaddleOCR-VL 使用教程 - 4.3 客户端调用方式。

4.3 产线配置调整说明¶

请参考PaddleOCR-VL 使用教程 - 4.4 产线配置调整说明。

5. 模型微调¶

请参考PaddleOCR-VL 使用教程 - 5. 模型微调。