PaddleOCR-VL-1.6_Demo/gpu

PaddleOCR-VL-1.6 GPU 子项目

此目录是与根目录 CPU 版本隔离的 GPU 实验环境。

验证状态：未在 NVIDIA GPU 上实测。 当前开发机器只有集成显卡，无法运行 CUDA。代码仅完成静态检查；最终安装、兼容性和性能必须在目标 NVIDIA GPU 机器上验证。

为什么独立环境

paddlepaddle 与 paddlepaddle-gpu 都提供 paddle 模块，不能安全共用同一个虚拟环境。本目录具有独立的：

• pyproject.toml
• .python-version（Python 3.11）
• .venv（执行安装后生成）
• uv.lock（在目标 GPU 机器安装后生成）

根目录 CPU 环境不会被修改。

前置条件

1. NVIDIA CUDA GPU（Intel/AMD 集成显卡不能运行 Paddle CUDA 版本）
2. 兼容的 NVIDIA 驱动
3. Python 3.11
4. uv
5. 根据 PaddlePaddle 官方兼容表选择 CUDA Wheel

先检查目标机器：

nvidia-smi

nvidia-smi 显示的 CUDA Version 是驱动支持上限，不等同于本机安装的 CUDA Toolkit，也不能单独用于判断 Wheel 版本。

安装

在仓库根目录运行：

# 只查看将执行的命令，不安装
python gpu/setup_env.py --cuda cu118 --dry-run

# CUDA 11.8 Wheel
python gpu/setup_env.py --cuda cu118

# 或 CUDA 12.6 Wheel
python gpu/setup_env.py --cuda cu126

安装脚本将在 gpu/.venv 创建独立环境。若官方 Wheel 支持范围发生变化，请同步更新 gpu/pyproject.toml 与 gpu/setup_env.py。

验证环境

uv run --project gpu python gpu/verify_env.py

该脚本会检查：

• PaddlePaddle 是否为 CUDA 构建
• CUDA GPU 数量及名称
• gpu:0 是否能完成矩阵乘法

任何检查失败都会以非零状态退出，不会自动回退到 CPU。

单图 Benchmark

uv run --project gpu python gpu/main.py

常用参数：

uv run --project gpu python gpu/main.py \
  --image images/手写01.png \
  --device-id 0 \
  --warmup 1 \
  --rounds 3

Windows PowerShell 可写为单行，或使用反引号续行。

Benchmark 会记录：

• GPU 型号和设备编号
• Python/PaddlePaddle 版本
• 模型初始化耗时
• 预热和正式推理轮数
• min/max/mean/median/stdev
• 可获取时的 CUDA 显存统计
• 图片尺寸和文本块数量

结果写入：

benchmarks/gpu/gpu-benchmark-YYYYMMDD-HHMMSS.json

PDF OCR

GPU PDF 入口复用仓库根目录 pdf_ocr_core.py，按页渲染、逐页保存并支持断点续传：

uv run --project gpu python gpu/pdf_ocr.py documents/sample.pdf \
  --device-id 0 \
  --pages "1-10" \
  --dpi 144

常用选项：

# 中断后继续
uv run --project gpu python gpu/pdf_ocr.py documents/sample.pdf --resume

# 删除现有输出后重跑
uv run --project gpu python gpu/pdf_ocr.py documents/sample.pdf --overwrite

# 保留 PDF 页面的渲染 PNG
uv run --project gpu python gpu/pdf_ocr.py documents/sample.pdf --keep-rendered

无 CUDA 时脚本会立即退出，不会自动回落到 CPU。当前开发机器没有 NVIDIA GPU，因此此入口尚未完成 GPU 实机验证。

当前范围

当前实现单 GPU、单图 Benchmark 和单 GPU PDF 逐页 OCR。暂未实现 GPU 多进程批处理，原因是：

• 同一 GPU 上启动多个模型实例会重复占用显存
• 多进程通常不会线性提升单卡吞吐
• 容易引发显存不足和 CUDA 上下文争抢

后续应优先评估模型/pipeline 原生批处理能力，再决定是否增加多 GPU 或任务队列。