使用 Gradio 和 EasyOCR 的 DeepSeek R1 演示项目

在这份动手指南中，我将使用 DeepSeek-R1 模型构建一个集成了 EasyOCR 和 Gradio 的数学谜题求解助手。

我将按步骤讲解如何构建一个功能完善的网页应用，借助 DeepSeek R1 模型出色的推理能力，解决各类数学谜题并生成有用的解题步骤。

如果您只想了解 DeepSeek-R1 的概况，建议查看这篇DeepSeek-R1 概览。若要微调模型，推荐这篇教程：微调 DeepSeek-R1。

DeepSeek-R1 演示项目：概览

为了构建我们的谜题求解助手，我们将依次完成以下步骤：

• 设置必要的先决条件。
• 使用优化的配置初始化模型。
• 利用模型的指令能力定义核心功能。
• 将各组件集成到用户友好的 Gradio 界面中，便于交互。

步骤 1：先决条件

在开始实现之前，请确保已安装以下工具和库：

• Python 3.8+
• PyTorch：用于高效处理深度学习模型。
• EasyOCR：一个用于从图像中提取文本的 Python 模块。
• Gradio：用于创建用户友好的网页界面。

运行以下命令安装所需依赖：

!pip install torch gradio pillow easyocr -q技术支持

安装完上述依赖后，运行以下导入命令：

Import torch
from PIL import Image
import easyocr
import requests
import json
import gradio as gr技术支持

步骤 2：设置 DeepSeek-R1 API

下面的脚本演示了如何与 DeepSeek API 交互以根据用户提示获取响应。请注意，DeepSeek 的 API 与 OpenAI 的格式兼容，并为 API 请求使用一个基础 URL。

您可以直接传入 API 密钥（出于隐私原因不推荐），或者像我一样在 Google Colab 中，使用 Secrets 功能保存 API 密钥。也可以使用环境变量。

# DeepSeek API configuration
DEEPSEEK_API_URL = "https://api.deepseek.com/v1/chat/completions"

# If you're using Colab and storing your key in the Secrets tab:
from google.colab import userdata
API_KEY = userdata.get('SECRET_KEY')

# If you are running this code elsewhere then, replace 'YOUR_API_KEY' with your actual DeepSeek API key. Uncomment the following line of code.
#API_KEY = 'YOUR_API_KEY' 技术支持

在本文发布时，DeepSeek 的服务负载较高，性能有所下降——我在运行本项目代码时也遇到了较大困难。在尝试运行本项目代码前，请先查看 DeepSeek 的状态页。

步骤 3：设计核心功能

API 已就绪后，我们可以开始编写功能代码。本节将处理包含逻辑谜题的图片，使用 OCR 提取谜题文本，进行清理，然后发送给 DeepSeek API 求解。我们先看代码，然后再进行讲解。

reader = easyocr.Reader(['en'])

def solve_puzzle(image):
    """Extracts the puzzle from the image and sends it to DeepSeek for solving."""
    try:
        # 1. Save the uploaded image temporarily; EasyOCR uses file paths
        image_path = "uploaded_image.png"
        image.save(image_path)

        # 2. Extract text from the image using EasyOCR
        results = reader.readtext(image_path)
        extracted_text = " ".join([res[1] for res in results])

        # Standardize the text to avoid misinterpretation of "??" as "2?"
        extracted_text = extracted_text.replace('??', '?')
      
        if "?" not in extracted_text:
            extracted_text += "?"

        print("Extracted Text:", extracted_text)  # Debugging output

        # 3. Refine the extracted text to standardize expressions
        refined_text = extracted_text.replace('x', '*').replace('X', '*').replace('=', ' = ').strip()
        print("Refined Text:", refined_text)  # Debugging output

        # 4. Compose the user message with concise instructions
        puzzle_prompt = (
            f"You are an AI specialized in solving puzzles. Analyze the following, identify hidden patterns or rules, and provide the missing value with step-by-step reasoning in text format. Do not return an answer in Latex."
            f"\nPuzzle:\n{refined_text}\n"
            "Format your response strictly as follows:\n"
            "1. **Given Equation**:\n   - (original equations)\n"
            "2. **Pattern Identified**:\n   (explain the hidden logic)\n"
            "3. **Step-by-step Calculation**:\n   - For (input values):\n     (calculation and result)\n"
            "4. **Final Answer**:\n     (Answer = X)"
        )

        messages = [
            {"role": "user", "content": puzzle_prompt}
        ]

        # 5. Optimized API request for faster response
        data = {
            "model": "deepseek-reasoner",
            "messages": messages,
            "temperature": 0,  
            "max_tokens": 100  
        }

        headers = {
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json"
        }

        # 6. Send the request to DeepSeek with a timeout
        response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data, timeout=15)

        # 7. Check the result
        if response.status_code == 200:
            try:
                json_resp = response.json()
                return json_resp.get("choices", [{}])[0].get("message", {}).get("content", "Error: No response content.").strip()
            except json.JSONDecodeError:
                return "Error: Invalid JSON response from DeepSeek API."
        else:
            return f"Error: DeepSeek API failed with status code {response.status_code}, Response: {response.text}"
    except requests.exceptions.Timeout:
        return "Error: DeepSeek API request timed out. Please try again."
    except Exception as e:
        return f"Error: {str(e)}"技术支持

solve_puzzle() 函数会处理包含逻辑谜题的图像，并借助 OCR 和 R1 模型进行求解。它遵循以下步骤：

1. 初始化 EasyOCR： 我们首先以英文初始化 EasyOCR 读取器。
2. 图像处理： 将上传的图像临时保存，并使用 EasyOCR 提取文本。
3. 文本清理： 对提取文本进行标准化，确保一致性与准确性。
4. 查询构建： 创建结构化查询，包含整理过的谜题文本以及具体的求解指令。
5. API 交互： 将查询发送至 DeepSeek API，由其分析并解题。请务必使用 deepseek-reasoner 模型以调用 DeepSeek-R1。若要使用 DeepSeek-V3，请使用 deepseek-chat。同时请留意价格，查看定价页面以获取最新信息。
6. 响应处理：对 API 响应进行处理，提取并返回解答或相应的错误信息。
7. 错误处理：函数还会处理诸如超时或意外异常等问题，确保运行稳健。

该流程将 OCR 文本提取与 DeepSeek API 的智能解题相结合。

步骤 4：创建 Gradio 界面

Gradio 使我们能够为应用创建交互式网页界面。下面的代码片段为 solve_puzzle() 函数创建了一个用户友好的 Gradio 网页界面。Gradio 界面接收用户输入并将其传给模型进行验证。

interface = gr.Interface(
    fn=solve_puzzle,
    inputs=gr.Image(type="pil"),
    outputs="text",
    title="Logic Puzzle Solver with EasyOCR & DeepSeek",
    description="Upload an image of a logic puzzle, and the model will solve it for you."
)
interface.launch(debug=True)技术支持

上述设置包含三个组件：

• 输入：一个 gr.Image 组件，用户可在此上传图片。
• 输出：一个 text 组件，用于显示来自 DeepSeek-R1 的答案。
• 界面：gr.Interface() 函数 将输入与输出连接起来，启动一个供用户交互的网页应用。

步骤 5：测试应用

让我们用一道兼具数学与逻辑的谜题来测试应用。

观察第一行，您会看到 1 + 4 = 5，或许会认为这只是简单加法。但第二行是 2 + 5 = 12，接着 3 + 6 = 21。您能找出其中的规律并解出 8 + 11 = ？

在 Gradio 界面的右侧，您会看到谜题求解应用已识别出该模式：

总结

在本教程中，我们构建了一个结合 DeepSeek R1、OCR 和 Gradio 的数学谜题求解助手，用于解答数学谜题。想要持续了解 AI 最新动态，推荐阅读以下博客：

• Qwen 2.5-Max
• DeepSeek 的 Janus-Pro
• 如何在本地使用 DeepSeek Janus-Pro