PaddleOCR Docker部署安装教程、服务搭建(CPU)

PaddleOCR提供了docker镜像，建议按官网教程，安装好之后从下面【下载推理模型】接着配置。

这里从头配置了一个环境，也算学习一遍，忽略docker就是paddleOCR ubuntu环境的搭建过程。

获取一个新的ubuntu镜像：

docker pull ubuntu

本机已有一个ubuntu镜像为ubuntu:paddle，新的docker镜像，需要先配置一些基础环境，如net-tools、tar、wget、make、gcc、python3.7等。可自行百度。

创建一个容器：

docker run -it ubuntu:paddle /bin/bash

配置paddleOCR：

cd /home git clone https://github.com/PaddlePaddle/PaddleOCR pip install opencv-python pip install pillow pip install -r requirements.txt python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple pip install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple #返回宿主机下载推理模型，或复制下载地址直接用wget exit

下载推理模型：

记住CONTAINER ID

拷贝文件到容器中，win+r cmd中执行

docker cp F:\XXX\PaddleOCR\inference 13833b8383eb:/home/PaddleOCR docker start 13833b8383eb docker attach 13833b8383eb

修改params.py文件，文件路径上面下载的模型对应起来：

cd /home/PaddleOCR vim deploy/hubserving/ocr_system/params.py

修改config.json文件，使用CPU：

vim deploy/hubserving/ocr_system/config.json

验证PaddleOCR:

python tools/infer/predict_system.py --image_dir="./doc/imgs/1.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

CPU4.67秒，速度还可以

启动服务：

hub install deploy/hubserving/ocr_system

hub serving start -c "/home/PaddleOCR/deploy/hubserving/ocr_system/config.json"

出现地址服务启动成功：

至此，PaddleOCR环境搭建完成。

下面docker服务配置：

在/home/PaddleOCR新建脚本文件paddleOCRServer

#!/bin/sh cd /home/PaddleOCR hub install /home/PaddleOCR/deploy/hubserving/ocr_system hub serving start -c "/home/PaddleOCR/deploy/hubserving/ocr_system/config.json"

修改权限：

chmod 777 paddleOCRServer

一切配置好后，更新一下镜像：

docker commit -m="has update" -a="myname" 13833b8383eb ubuntu:paddle

docker端口映射到宿主机，创建一个名为paddleocr的新的容器，宿主机cmd终端执行：

docker run --name paddleocr -it -p 8868:8868 ubuntu:paddle /home/PaddleOCR/paddleOCRServer

下次可根据名字直接打开容器：

docker start paddleocr docker attach paddleocr

Qt调用：

 // URL QString baseUrl = "http://127.0.0.1:8868/predict/ocr_system"; // 构造请求 QNetworkRequest request; request.setUrl(QUrl(baseUrl)); request.setHeader(QNetworkRequest::ContentTypeHeader, QVariant("application/json")); QNetworkAccessManager *manager = new QNetworkAccessManager(this); // 发送请求 QNetworkReply *pReplay = manager->post(request, data); // 局部的事件循环，等待响应结束 QEventLoop eventLoop; QObject::connect(manager, &QNetworkAccessManager::finished, &eventLoop, &QEventLoop::quit); eventLoop.exec(); // 返回信息 QByteArray bytes = pReplay->readAll(); QString string = QString::fromUtf8(bytes); qDebug() << string; QJsonObject resultJson = QJson::getJsonObjectFromString(string); QJsonArray resArr = resultJson.take("results")[0].toArray(); for each (auto var in resArr) { qDebug() << var.toObject().take("text").toString(); }

---

Docker教程：

#查看正在运行的容器 docker ps #查看所有容器 docker ps -a #查看镜像 docker images #删除容器 docker rm id #删除镜像 docker rmi id

Docker 镜像使用 | 菜鸟教程

原文链接：https://blog.csdn.net/dongjuexk/article/details/120965160?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171836884016800178552552%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171836884016800178552552&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-11-120965160-null-null.nonecase&utm_term=docker%E9%83%A8%E7%BD%B2