MinerU 在 Windows 直装后推理速度很慢怎么排查？

MinerU 在 Windows 直装后推理速度很慢怎么排查？

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU

在 Windows 上用pip直接安装 MinerU 后跑文档解析，推理速度明显很慢——官方 FAQ 给出的判断是：这通常是 CUDA 加速相关依赖未正确安装导致的。原因在于命令行工具只会在 Linux 和 macOS 上自动尝试 cuda/mps 加速，Windows 用户需要手动安装支持 CUDA 的torch与torchvision（参见 快速使用文档 中的说明）。本文按你的显卡架构给出两条对应的修复路径，以及环境上的限制条件。

先确认慢的根因与适用前提

按官方 FAQ 的表述，"Windows 直接安装后推理速度很慢"首先对应 CUDA 依赖问题，排查前先确认：

• 安装方式是mineru[all]这类直接安装（兼容 Windows / Linux / macOS），而不是 Docker 方式——Docker 部署仅适用于 Linux 以及支持 WSL2 的 Windows 环境，走的是另一套环境；
• 你使用的是 NVIDIA 显卡，且架构在支持范围内：GPU 加速要求 Volta 及以后架构的 GPU（或 Apple Silicon），pipeline后端显存最低 4GB，*-engine后端最低 8GB，Python 版本要求 3.10–3.13（以上均出自 快速入门 的环境支持说明）。

确认属于上述情况，再按下面的架构分支安装依赖。

按显卡架构选择修复分支

FAQ 按架构给出两种方案，先对照你的显卡型号：

分支一：Volta 及以后（非 Blackwell）显卡

直接安装支持 CUDA 的torch和torchvision。前往 PyTorch 官网pytorch.org/get-started/locally/，选择与你本机 CUDA 版本匹配的 Windows 安装命令，按官网给出的命令执行即可。文档没有给出固定版本号，以官网按你的 CUDA 版本生成的命令为准。

分支二：Blackwell 显卡（RTX 50xx 系列）

Blackwell 显卡需要安装lmdeploy 0.11.1 + cu128的 Windows wheel。下面命令中PYTHON_VERSION需要按你当前 Python 版本替换：Python 3.10 / 3.11 / 3.12 / 3.13 分别填写310/311/312/313：

$env:LMDEPLOY_VERSION = "0.11.1" $env:PYTHON_VERSION = "312" $wheel = "https://github.com/InternLM/lmdeploy/releases/download/v$($env:LMDEPLOY_VERSION)/lmdeploy-$($env:LMDEPLOY_VERSION)+cu128-cp$($env:PYTHON_VERSION)-cp$($env:PYTHON_VERSION)-win_amd64.whl" pip install $wheel --extra-index-url https://download.pytorch.org/whl/cu128

注意这条命令会从 PyTorch 的 cu128 索引下载依赖，可能覆盖环境里已有的torch。如果环境中已经安装过 cu128 版本的torch，定义好$wheel后只需执行下面一条，可避免重新下载低版本torch：

pip install $wheel --no-dependencies

验证与限制

文档没有提供单独的 CUDA 可用性检查命令。安装完成后的判断方式是重新执行同一条解析命令，例如：

mineru -p <input_path> -o <output_path>

其中<input_path>为本地PDF/ 图片 /DOCX/PPTX/XLSX文件或目录，<output_path>为输出目录。之前缓慢的现象消失、解析正常返回结果，说明依赖已按架构分支装对。

执行时注意文档中明确的几点限制：

• Python 版本：快速入门 的脚注说明，由于关键依赖ray未能在 Windows 平台支持 Python 3.13，Windows 实际仅支持 3.10–3.12；而 FAQ 的 wheel 命名中列出了313选项。两处表述并存，建议在 Windows 上使用 3.10–3.12，Python 3.13 时以 FAQ 给出的 wheel 选项为准并自行验证。
• 推理框架二选一：vllm和lmdeploy对 VLM 的推理加速效果与用法几乎相同，文档明确不建议同时安装这两个模块，以避免依赖冲突（见 扩展模块安装指南）。Blackwell 分支走的lmdeploywheel 同时提供了vlm-lmdeploy-engine后端，该后端在 changelog 中说明额外支持 Windows 平台原生推理加速。
• 显存门槛：lmdeploy模块适用于 Volta 及以后架构、8G 显存及以上的显卡；如果你的显存只有 4GB，GPU 加速只覆盖pipeline后端。

依赖装对后，mineru -p <input_path> -o <output_path>在满足 GPU 条件的机器上即走加速路径；若仍不满足加速条件（如纯 CPU 设备），也可指定-b pipeline在纯 CPU 环境运行，这是文档给出的 CPU 回退方式，速度预期与 GPU 加速不同。

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU