系统要求¶
本页概述了有效运行 Doctra 所需的硬件和软件要求。
Python 要求¶
- Python 版本：3.8 或更高版本
- 操作系统：
- Linux（Ubuntu、Debian、CentOS 等）
- macOS（10.13 或更高版本）
- Windows（10 或更高版本）
硬件要求¶
最低要求¶
| 组件 | 规格 |
|---|---|
| CPU | 双核处理器，2.0 GHz |
| RAM | 4 GB |
| 磁盘空间 | 2 GB 用于安装 + 输出空间 |
| GPU | 不需要（可使用 CPU 处理） |
推荐要求¶
| 组件 | 规格 |
|---|---|
| CPU | 四核处理器，3.0 GHz 或更高 |
| RAM | 8 GB 或更多 |
| 磁盘空间 | 10 GB 用于安装 + 模型 + 输出 |
| GPU | 具有 4+ GB VRAM 的 NVIDIA GPU（用于加速） |
性能考虑¶
处理速度¶
处理 10 页 PDF 的典型时间：
| 配置 | 时间 |
|---|---|
| 仅 CPU（4 核） | ~2-3 分钟 |
| GPU（NVIDIA GTX 1060） | ~1-2 分钟 |
| GPU（NVIDIA RTX 3080） | ~30-60 秒 |
影响性能的因素
- 文档复杂性（图像、表格、图表的数量）
- 图像分辨率（DPI 设置）
- 是否启用图像恢复
- VLM 处理（需要网络调用）
内存使用¶
预期的 RAM 使用：
- 基本解析：500 MB - 2 GB
- 增强解析：1 GB - 4 GB
- VLM 处理：额外 500 MB - 1 GB
- 高 DPI (300+)：额外 2-4 GB
软件依赖¶
必需¶
-
Poppler - PDF 渲染和处理
- 版本：最新稳定版本
- 安装：请参阅安装指南
-
Tesseract OCR - 文本提取
- 通过 Python 依赖项自动安装
- 无需手动安装
可选¶
-
CUDA Toolkit - 用于 GPU 加速
- 版本：11.8 或更高版本
- 仅 GPU 处理需要
- 下载：NVIDIA CUDA 下载
-
cuDNN - 深度学习 GPU 加速
- 版本：8.6 或更高版本
- 仅 GPU 处理需要
- 下载：NVIDIA cuDNN 下载
GPU 支持¶
CUDA 要求¶
用于 GPU 加速处理：
- GPU：具有计算能力 3.5 或更高的 NVIDIA GPU
- CUDA：版本 11.8 或更高版本
- cuDNN：版本 8.6 或更高版本
- 驱动程序：兼容的 NVIDIA 驱动程序
支持的 GPU¶
Doctra 的图像恢复功能适用于支持 CUDA 的 NVIDIA GPU：
| GPU 系列 | 支持级别 |
|---|---|
| GeForce GTX 10xx 及更新版本 | ✅ 完全支持 |
| GeForce RTX 系列 | ✅ 完全支持 |
| Tesla 系列 | ✅ 完全支持 |
| Quadro 系列 | ✅ 完全支持 |
| AMD GPU | ❌ 不支持 |
| Intel GPU | ❌ 不支持 |
检查 GPU 兼容性¶
验证 CUDA 是否可用：
import torch
print(f"CUDA available: {torch.cuda.is_available()}")
print(f"CUDA version: {torch.version.cuda}")
print(f"GPU: {torch.cuda.get_device_name(0)}")
网络要求¶
模型下载¶
首次使用时，Doctra 会下载 AI 模型：
- PaddleOCR 模型：~300 MB
- DocRes 模型：~200 MB
- 总计：~500 MB 初始下载
模型在首次下载后会在本地缓存。
VLM API 访问¶
如果使用视觉语言模型：
- 需要稳定的互联网连接
- 适用 API 速率限制（取决于提供商）
- 带宽：最小（图像在发送前会被压缩）
存储要求¶
安装¶
| 组件 | 大小 |
|---|---|
| Doctra 包 | ~50 MB |
| Python 依赖项 | ~500 MB |
| AI 模型（首次使用时下载） | ~500 MB |
| 总计 | ~1 GB |
处理输出¶
每个文档的预期输出大小：
| 文档大小 | 输出大小（约） |
|---|---|
| 10 页报告 | 5-20 MB |
| 50 页文档 | 25-100 MB |
| 100 页书籍 | 50-200 MB |
存储规划
根据以下因素，为输出预留原始 PDF 大小的 2-10 倍空间：
- 文档中的图像数量
- 使用的 DPI 设置
- 是否启用图像恢复
浏览器要求（Web UI）¶
对于基于 Gradio 的 Web 界面：
- 现代浏览器：Chrome 90+、Firefox 88+、Safari 14+、Edge 90+
- JavaScript：必须启用
- 本地网络：需要访问 localhost
云部署¶
Doctra 可以在云平台上运行：
推荐的云规格¶
| 提供商 | 实例类型 | vCPU | RAM | GPU |
|---|---|---|---|---|
| AWS | t3.xlarge | 4 | 16 GB | 可选 |
| GCP | n1-standard-4 | 4 | 15 GB | 可选 |
| Azure | Standard_D4s_v3 | 4 | 16 GB | 可选 |
对于 GPU 处理：
| 提供商 | 实例类型 | GPU | VRAM |
|---|---|---|---|
| AWS | g4dn.xlarge | T4 | 16 GB |
| GCP | n1-standard-4 + T4 | T4 | 16 GB |
| Azure | NC6 | K80 | 12 GB |
Google Colab¶
Doctra 在 Google Colab 中运行良好：
- 免费层：足以满足大多数用例
- GPU：免费层可用
- RAM：免费层 12-13 GB
- 磁盘：100+ GB 临时存储
操作系统特定说明¶
Linux¶
- 最佳性能：通常最快，因为 CUDA 支持更好
- 易于设置：包管理器使依赖项安装变得简单
- Docker：易于容器化部署
macOS¶
- 无 GPU 支持：macOS 上不可用 CUDA
- 良好的 CPU 性能：在 Apple Silicon (M1/M2) 上高效
- Poppler：通过 Homebrew 轻松安装
Windows¶
- GPU 支持：完全支持 CUDA
- Poppler 设置：需要手动安装或使用 conda
- 路径配置：可能需要将 Poppler 添加到 PATH
性能优化¶
对于仅 CPU 系统¶
对于 GPU 系统¶
from doctra import EnhancedPDFParser
parser = EnhancedPDFParser(
use_image_restoration=True,
restoration_device="cuda", # 使用 GPU
restoration_dpi=300 # 更高质量
)
内存优化¶
# 批量处理文档
import os
from doctra import StructuredPDFParser
parser = StructuredPDFParser()
# 一次处理一个以管理内存
for pdf_file in pdf_files:
parser.parse(pdf_file)
# 解析器被重用，文档之间的内存被清理
故障排除¶
内存不足错误¶
解决方案：
- 降低 DPI：
dpi=100 - 禁用图像恢复
- 关闭其他应用程序
- 一次处理更少的页面
处理速度慢¶
解决方案：
- 启用 GPU：
restoration_device="cuda" - 降低 DPI：
dpi=150 - 升级硬件
- 在非高峰时段处理
模型下载失败¶
解决方案：
- 检查互联网连接
- 验证防火墙设置
- 如果在限制性网络后，使用 VPN
- 手动下载模型（请参阅故障排除指南）