飞浆服务端OCR部署流程
1、看一下pip 是否是最新的版本
pip -V
显示版本:
这个版本,基本就是没问题,可以进行下面的操作的
如果是比较低的版本pip,会提示如下问题:
You are using pip version 10.0.1, however version 21.3.1 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' command.
此时按照指令:python -m pip install --upgrade pip 进行更新,如果出现类似这个问题:
直接去文件目录,删除pip-..........dist-info,之后重新执行命令,python -m pip install --upgrade pip,就可以成功安装。
2、开始下载paddlepaddle
:(官方指导下载 地址:https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html)
正如官方所说,一定要看一下这个:(需要确认Python和pip是64bit,并且处理器架构是x86_64(或称作x64、Intel 64、AMD64)架构。下面的第一行输出的是”64bit”,第二行输出的是”x86_64”、”x64”或”AMD64”即可:)
python -c "import platform;print(platform.architecture()[0]);print(platform.machine())"
我的结果是这样:
由此可知,需要下载的是CPU版本,直接按照这个安装
python -m pip install paddlepaddle==2.3.1 -i https://mirror.baidu.com/pypi/simple
安装完成后,一般会提示这么一段话:
3、开始下载安装 paddlehub :
pip install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后,一般会提示这么一段话:
基本应该就是OK啦
4、再次安装 shapely、pyclipper :
pip install shapely pyclipper
成功安装
5、开始安装 chinese_ocr_db_crnn_server:
hub install chinese_ocr_db_crnn_server
成功安装提示:
以上就是整体完成了 服务端OCR的所有包,最后一步就是进行启动OCR识别服务
6、启动PaddleHub Serving:
hub serving start -m chinese_ocr_db_crnn_server
这样就完成了一个目标检测的服务化API的部署,默认端口号为8866。
7、参照这里进行客户端请求:
import requests import json import cv2 import base64 def cv2_to_base64(image): data = cv2.imencode('.jpg', image)[1] return base64.b64encode(data.tostring()).decode('utf8') # 发送HTTP请求 data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server" r = requests.post(url=url, headers=headers, data=json.dumps(data)) # 打印预测结果 print(r.json()["results"])
最终服务端获取到客户端的请求后,进行处理并将结果返回给客户端:
我是用本地部署的服务端,结果显示:
测试了几组数据,还是比较满意的,O(∩_∩)O哈哈~
这样一整套的服务端OCR部署基本就完成了
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 周边上新:园子的第一款马克杯温暖上架
· 分享 3 个 .NET 开源的文件压缩处理库,助力快速实现文件压缩解压功能!
· Ollama——大语言模型本地部署的极速利器
· DeepSeek如何颠覆传统软件测试?测试工程师会被淘汰吗?
· 使用C#创建一个MCP客户端