！！！以下內容為作者原創，首發於個人部落格園&掘金平臺。未經原作者同意與許可，任何人、任何組織不得以任何形式轉載。原創不易，如果對您的問題提供了些許幫助，希望得到您的點贊支援。
0.paddleOcr簡介
paddleOcr 是基於paddlepaddle飛槳這一開源的深度學習平臺下訓練出來的一個輪子，它的作用正如名稱：提取並識別圖片中的文字。
目前paddleOcr 官方已經發布了80+語言的識別模型，針對日常的使用來說是足夠了。
下面就以官方的 中英文通用OCR模型 為例，來一步步教大家如何在centos7的系統中下載、安裝、測試、部署服務等全部過程
下面的教程全程非常詳細，適合0基礎小夥伴們來學習操作。
1.寫在教程前
為什麼會想著寫這樣一篇教程？
其實paddleOcr的github裡已經有很詳細的教程，有能力和基礎的小夥伴完全可以自己看著官方說明搞定所有的問題。但是對沒那麼熟悉的小夥伴來說就教程顯得不那麼友好，自己在網上東拼西找一些相關資料，最後還是可能會卡住在1、2個小問題上，導致無法部署成功；
在教程的最後我會將本次參考到的所有資料與連結放在下面。
下面直接進入本次教程
2.centos下準備好docker工具
正所謂工欲善其事，並先利其器；我們直接用官方準備好的docker環境來安裝，會避免掉大部分的問題，但是也會碰到一些小坑，下面會一一說明
centos下找到在docker安裝包並安裝
yum list docker-ce --showduplicates | sort -r
可以自己選擇一個穩定的版本安裝，或者不指定版本，直接安裝最新版本
yum install docker-ce接下來就是yum來安裝docker完成
啟動docker服務
service docker start啟動docker服務
docker --version檢視docker版本，以檢查docker是否正常啟動
systemctl enable docker配置一下docker服務開機自啟動
3.下載paddleOcr官方docker映象
官方github倉庫地址： 官方gitee倉庫地址：
官方建議是去github地址上，但github的訪問速度懂的都懂。
下面的例子以github地址為例，無法訪問github的小夥伴去gitee中找到替換的地址
建立paddleOcr目錄
該目錄是用於存放paddleOcr映象，官方建議是在/home/Projects下mkdir /home/Projects 建立專案目錄cd /home/Projects 進入專案目錄
下載官方映象
docker run --name ppocr -v $PWD:/paddle --network=host -it paddlepaddle/paddle:latest-dev-cuda10.1-cudnn7-gcc82 /bin/bash
說明一下：
官方的docker命令沒有對映執行埠，這裡要說明一下：官方啟動docker的方式為 network=host，即容器內用的埠就是宿主機的埠
複製程式碼接下來docker就會自動開始下載映象了，然後就是漫長的下載等待，大概下載時間會有10分鐘左右
下載完畢後，會自動進入到映象內部的shell裡，進入下面這樣的介面中。
不用理睬，直接exit退出來。
docker ps -a 檢視一下docker的執行程式，發現這個這個剛剛下載來的ppocr已經被關閉掉了。
docker start ppocr 重啟這個ppocr容器
4.安裝paddlepaddle2.0
之前在0.簡介裡面也說了，paddleOcr是基於paddlepaddle這個平臺下的，所以它的執行理所當然離不開paddlepaddle這個平臺
【很重要】檢查docker內的python3以及pip3版本
進入docker容器中，一定要檢查一下python3 的版本和 pip3用的版本，要確保版本在3.7及以上，這是官方要求的版本。 但是很坑的是，官方docker你映象中竟然是3.5.1 的python3。這裡必須手動去升級安裝新版本
docker exec -it ppocr /bin/bash 進入docker容器內部
python3 --version 檢查python3 版本，如圖版本是3.5.1，必須要進行升級
pip3 --version 檢查pip3版本，如果pip3是3.5.1下的，也要跟著一起升級
升級安裝python3
容器內已經有python3 的原始碼安裝檔案 在/home 目錄下，有3.7.0 和 3.8.0 我們直接選擇3.8.0 編譯安裝。
cd /Python-3.8.0 進入到Python-3.8.0目錄下
./configure 編譯器會執行一些安裝前檢查，稍等片刻就會檢查完成。
make && make install 原始碼安裝，稍等幾分鐘，等待安裝完成。
安裝完成，重新檢查一下python3,pip3版本，確保版本已經升級到3.8.0
【很重要】更新使用者環境變數引數
安裝一個vim，方便容器內進行文字編輯
apt-get update
apt-get install vim
複製程式碼vi ~/.bashrc 修改.bashrc中指定的python環境變數
在檔案編輯中將所有的 python3.5.1 的配置全部刪除掉，將下面截圖紅框處的內容刪除掉並儲存
source ~/.bashrc 重新生效配置檔案
升級pip3
解決掉python3版本問題後，就要安裝paddleOcr 所需要的環境paddlepaddle2.0
pip3 install --upgrade pip 升級一下 pip3 （官方安裝指導）
稍等片刻即可
安裝paddlepaddle2.0
這一步官方的指導裡面是區分gpu 還是 cpu版本，下面的例子都是以cpu版本為例。 （請需要安裝gpu版本的小夥伴執行到此處稍微移步到官方文件連結中去找一下gpu版本的安裝指令）
python3 -m pip install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple
複製程式碼稍微等待幾分鐘的下載與更新
cd /home 切換回目錄下
clone PaddleOcr 倉庫程式碼
【推薦】git clone https://github.com/PaddlePaddle/PaddleOCR
如果無法訪問github 的小夥伴們也可以通過gitee倉庫裡面將原始碼下載下來：
git clone https://gitee.com/paddlepaddle/PaddleOCR
複製程式碼安裝第三方庫
cd /home/PaddleOCR 切換到PaddleOcr目錄下:
pip3 install -r requirements.txt 安裝第三方庫
進入稍微漫長的下載等待。這一步我在實際安裝過程中因為網路原因失敗過一次，請大家耐心安裝，如遇 HTTPSConnectionPool Read timed out. 這樣的問題，請多嘗試安裝幾次，等其安裝完成。
5.下載官方模型
以官方的伺服器端模型為例說明。 （官方另為模型包更小的適合移動端的模型，感興趣的小夥伴小移步官方的文件說明中 github.com/PaddlePaddl…）
docker 映象中建立模型目錄
mkdir /home/PaddleOCR/inference && cd /home/PaddleOCR/inference 在paddleOCR下建立inference模型目錄
下載、解壓模型
官方模型分為檢測，方向，識別模型，分別下載與解壓
下載檢測模型 wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_det_infer.tar
下載方向分類器 wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
下載識別模型 wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_infer.tar
解壓壓縮包
tar xf ch_ppocr_mobile_v2.0_cls_infer.tar
tar xf ch_ppocr_server_v2.0_det_infer.tar
tar xf ch_ppocr_server_v2.0_rec_infer.tar
複製程式碼解壓完成後的目錄如下
6.單張圖片識別測試
回到/home/paddleOCR目錄下
cd /home/PaddleOCR
圖片測試
用官方自帶的圖片來測試識別，官方自帶圖片目錄為/home/PaddleOCR/doc/imgs
測試命令為：
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_server_v2.0_det_infer/" --rec_model_dir="./inference/ch_ppocr_server_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False
複製程式碼以下分別是原圖，識別後標識圖，以及識別結果
7.服務部署
單張圖片測試通過後，我們就需要把服務以WEB方式部署上，以供其它服務以介面形式來呼叫了。
PaddleHub Server 服務部署
這種部署形式也是官方推薦的部署方式之一。
安裝paddlehub 環境
在docker映象中執行以下命令pip3 install paddlehub==1.8.3 --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
稍等片刻即可下載完成
修改部署引數檔案
部署引數檔案地址為docker映象中： /home/PaddleOCR/deploy/hubserving/ocr_system 下的 params.py
用vi 開啟params.py ，將下圖紅框處的3個檔案地址分別修改為下面地址：
/home/PaddleOCR/inference/ch_ppocr_server_v2.0_det_infer/
/home/PaddleOCR/inference/ch_ppocr_server_v2.0_rec_infer/
/home/PaddleOCR/inference/ch_ppocr_mobile_v2.0_cls_infer/
其它引數暫時不需要修改
複製程式碼安裝服務模組
安裝檢測+識別串聯服務模組：hub install deploy/hubserving/ocr_system/
安裝flask
下面使用flask 部署web框架 pip3 install flask
安裝flask-cors
pip3 install flask-cors
新建web服務程式
在 /home/PaddleOCR/tools 目錄下新建一個新的py檔案，檔名為test_myocr.py 並且給許可權為 775
testmyocr.py的內容如下：
# Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
import os
import sys
__dir__ = os.path.dirname(os.path.abspath(__file__))
sys.path.append(__dir__)
sys.path.append(os.path.abspath(os.path.join(__dir__, '..')))
from ppocr.utils.logging import get_logger
logger = get_logger()
import cv2
import numpy as np
import time
from PIL import Image
from ppocr.utils.utility import get_image_file_list
from tools.infer.utility import draw_ocr, draw_boxes
import requests
import json
import base64
from flask import Flask,request
from flask_cors import CORS
import requests
app = Flask(__name__)
CORS(app) # 解決跨域問題
def cv2_to_base64(image):
return base64.b64encode(image).decode('utf8')
def draw_server_result(image_file, res):
img = cv2.imread(image_file)
image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
if len(res) == 0:
return np.array(image)
keys = res[0].keys()
if 'text_region' not in keys: # for ocr_rec, draw function is invalid
logger.info("draw function is invalid for ocr_rec!")
return None
elif 'text' not in keys: # for ocr_det
logger.info("draw text boxes only!")
boxes = []
for dno in range(len(res)):
boxes.append(res[dno]['text_region'])
boxes = np.array(boxes)
draw_img = draw_boxes(image, boxes)
return draw_img
else: # for ocr_system
logger.info("draw boxes and texts!")
boxes = []
texts = []
scores = []
for dno in range(len(res)):
boxes.append(res[dno]['text_region'])
texts.append(res[dno]['text'])
scores.append(res[dno]['confidence'])
boxes = np.array(boxes)
scores = np.array(scores)
draw_img = draw_ocr(
image, boxes, texts, scores, draw_txt=True, drop_score=0.5)
return draw_img
@app.route("/test")
def test():
return 'Hello World!'
@app.route("/myocr", methods=["POST"] )
def myocr():
# 輸入引數
image_file = request.files['file']
basepath = os.path.dirname(__file__)
logger.info("{} basepath".format(basepath))
savepath = os.path.join(basepath, image_file.filename)
image_file.save(savepath)
img = open(savepath, 'rb').read()
if img is None:
logger.info("error in loading image:{}".format(image_file))
# 轉為 base64
data = {'images': [cv2_to_base64(img)]}
# 傳送請求
url = "http://127.0.0.1:8866/predict/ocr_system"
headers = {"Content-type": "application/json"}
r = requests.post(url=url, headers=headers, data=json.dumps(data))
# 返回結果
res = r.json()["results"][0]
logger.info(res)
return json.dumps(res)
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)
複製程式碼啟動服務
服務分為hub服務、web服務
啟動hub服務
【很重要】 export PATHONPATH=.這步很重要，血淚教訓哇；
如果少了這一步設定環境變數，在下面的執行中會報錯，提示找不到tools module
hub serving start -m ocr_system & 成功會出現如下說明
啟動web服務
cd /home/PaddleOCR/tools 目錄切換到tools下 python3 test_myocr.py & 啟動web服務，啟動成功會出現如下說明
8.服務測試
Postman工具呼叫測試
使用postman向 5000埠去發起請求，可以看到服務正常返回識別的結果
Vue簡單頁面測試
使用vue寫一個簡單的圖片上傳頁面，後端介面負責轉發資料與請求到5000介面中 這塊後面有時間再單獨寫篇介紹下
9.效能分析
測試機配置
測試機器是在實體機器中使用VM虛擬化出來的
實體機：
cpu: AMD Ryzen 5 2600X Six-Core Processor
記憶體：32G
作業系統：window10 x64
虛擬Centos：
處理器：4核單執行緒
記憶體：8GB
作業系統：Centos 7.8
複製程式碼以下解析時間僅供參考
在沒做任何優化情況下，且不考慮網路傳輸速度的影響，單張6.中的官方自帶測試圖片，解析時間分別為：
docker中直測：11秒
postman：17秒
vue中：18秒
複製程式碼