网上写的信息五花八门，自己单独写个：
1、本地部署测试

conda create --name ocr_vl python==3.10

服务器上A100显卡的cuda版本是12.4，选择安装paddlepaddle-gpu 3.2.0版本

pip install paddlepaddle-gpu==3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

安装后进行验证：

python
import paddle
paddle.utils.run_check()

安装paddleocr所有功能模块

pip install "paddleocr[all]"

本地测试（只需要识别文字即可）：

import os
import time
from paddleocr import PaddleOCRVL

# 初始化模型
pipeline = PaddleOCRVL(
    vl_rec_model_dir="./official_models/PaddleOCR-VL",
    vl_rec_backend="native",
    
    use_layout_detection=False,
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_chart_recognition=False
)

# 处理文件夹中所有图片
input_folder = "./input_images"
output_folder = "./output"
os.makedirs(output_folder, exist_ok=True)

for filename in os.listdir(input_folder):
    if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.tiff', '.tif')):
        image_path = os.path.join(input_folder, filename)
        start_time = time.time()
        output = pipeline.predict(image_path)
        end_time = time.time()
        elapsed_time = end_time - start_time
        print(f"耗时: {elapsed_time:.2f} 秒")

        base_name = os.path.splitext(filename)[0]
        for i, res in enumerate(output):
            res.print()
            # res.save_to_json(save_path="output")

结果来看：

GPU显存占用：8G，推理耗时在1秒左右，数据准确性而言存在一定的识别错误。

2、PaddleOCR-VL进行lora微调

https://github.com/PaddlePaddle/PaddleFormers/tree/release/v1.0/examples/best_practices/PaddleOCR-VL

内容写的比较详细，但是运行代码存在问题paddleformers\datasets\template\mm_plugin.py

屏蔽第381~383行，应该是颜色通道的问题，否则运行会报错。

        # if color_jitter_p > 0:
        #     color_jitter = transforms.ColorJitter(brightness=0.3, contrast=0.3, saturation=0.2, hue=0.1)
        #     augmentations.append(RandomApply([color_jitter], p=color_jitter_p))