常见问题解答

1.离线部署首次运行，报错urllib.error.URLError: <urlopen error [Errno 101] Network is unreachable>

首次运行需要在线下载一个小的语言检测模型，如果是离线部署需要手动下载该模型并放到指定目录。
参考：https://github.com/opendatalab/MinerU/issues/121

2.在较新版本的mac上使用命令安装pip install magic-pdf[full-cpu] zsh: no matches found: magic-pdf[full-cpu]

在 macOS 上，默认的 shell 从 Bash 切换到了 Z shell，而 Z shell 对于某些类型的字符串匹配有特殊的处理逻辑，这可能导致no matches found错误。可以通过在命令行禁用globbing特性，再尝试运行安装命令

setopt no_nomatch
pip install magic-pdf[full-cpu]

3.在intel cpu 的mac上安装最新版的完整功能包 magic-pdf[full-cpu] (0.6.x) 不成功

完整功能包依赖的公式解析库unimernet限制了pytorch的最低版本为2.3.0，而pytorch官方没有为intel cpu的macOS 提供2.3.0版本的预编译包，所以会产生依赖不兼容的问题。可以先尝试安装unimernet的老版本之后再尝试安装完整功能包的其他依赖。（为避免依赖冲突，请激活一个全新的虚拟环境）

pip install magic-pdf
pip install unimernet==0.1.0
pip install matplotlib ultralytics paddleocr==2.7.3 paddlepaddle

4.在部分较新的M芯片macOS设备上，MPS加速开启失败

卸载torch和torchvision，重新安装nightly构建版torch和torchvision

pip uninstall torch torchvision
pip install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cpu

参考: https://github.com/opendatalab/PDF-Extract-Kit/issues/23

5.使用过程中遇到paddle相关的报错FatalError: Illegal instruction is detected by the operating system.

paddlepaddle 2.6.1与部分linux系统环境存在兼容性问题。可尝试降级到2.5.2使用，

pip install paddlepaddle==2.5.2

或卸载paddlepaddle，重新安装paddlepaddle-gpu

pip uninstall paddlepaddle
pip install paddlepaddle-gpu

参考：https://github.com/opendatalab/MinerU/issues/146

6.使用过程中遇到_pickle.UnpicklingError: invalid load key, 'v'.错误

可能是由于模型文件未下载完整导致，可尝试重现下载模型文件后再试
参考：https://github.com/opendatalab/MinerU/issues/143

7.程序运行完成后，找不到tmp目录

程序输出目录是在"magic-pdf.json"中通过

{
  "temp-output-dir": "/tmp"
}

进行配置的。
如果没有更改这个参数，使用默认的配置执行程序，在linux/macOS会在绝对路径"/tmp"下创建一个"magic-pdf"文件夹作为输出路径。而在windows下，默认的输出路径与执行命令时，命令行所在的盘符相关，如果命令行在C盘，则默认输出路径为"C://tmp/magic-pdf"。
参考：https://github.com/opendatalab/MinerU/issues/149

8.模型文件应该下载到哪里/models-dir的配置应该怎么填

模型文件的路径输入是在"magic-pdf.json"中通过

{
  "models-dir": "/tmp/models"
}

进行配置的。这个路径是绝对路径而不是相对路径，绝对路径的获取可在models目录中通过命令 "pwd" 获取。
参考：https://github.com/opendatalab/MinerU/issues/155#issuecomment-2230216874

9.命令行中 --model "model_json_path" 指的是什么？

model_json 指的是通过模型分析后生成的一种有特定格式的json文件。
如果使用 https://github.com/opendatalab/PDF-Extract-Kit 项目生成，该文件一般在项目的output目录下。
如果使用 MinerU 的命令行调用内置的模型分析，该文件一般在输出路径"/tmp/magic-pdf/pdf-name"下。
参考：https://github.com/opendatalab/MinerU/issues/128