手把手0基础CentOS下安装与部署PaddleOCR教程

一、环境准备与系统检查

1.1 确认CentOS版本

PaddleOCR官方推荐使用CentOS 7及以上版本，执行cat /etc/redhat-release查看系统版本。若版本过低，建议升级或使用Docker容器化部署。

1.2 更新系统软件包

sudo yum update -y
sudo yum install -y epel-release  # 启用EPEL仓库

此操作确保系统基础库为最新版本，避免兼容性问题。

1.3 安装开发工具链

sudo yum groupinstall -y "Development Tools"
sudo yum install -y cmake wget git

CMake（≥3.10）是PaddleOCR编译的核心依赖，Git用于代码管理。

二、Python环境配置

2.1 安装Miniconda

推荐使用Miniconda管理Python环境，避免系统Python冲突：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p ~/miniconda
echo 'export PATH=~/miniconda/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

2.2 创建虚拟环境

conda create -n paddle_env python=3.8
conda activate paddle_env

Python 3.8在性能与兼容性间取得最佳平衡。

三、PaddlePaddle框架安装

3.1 选择安装版本

根据硬件配置选择：

• CPU版（无GPU时）：

  pip install paddlepaddle==2.5.0 -i https://mirror.baidu.com/pypi/simple

• GPU版（需NVIDIA显卡）：

  # 先安装CUDA 11.2和cuDNN 8.1
  sudo yum install -y cuda-11-2 cudnn-devel-8.1
  pip install paddlepaddle-gpu==2.5.0.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

3.2 验证安装

python -c "import paddle; paddle.utils.run_check()"

输出PaddlePaddle is installed successfully!表示成功。

四、PaddleOCR源码部署

4.1 克隆仓库

git clone https://github.com/PaddlePaddle/PaddleOCR.git
cd PaddleOCR

建议使用git checkout release/2.7切换到稳定版本。

4.2 安装Python依赖

pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple

关键依赖说明：

• shapely：几何图形处理
• pyclipper：多边形裁剪
• opencv-python：图像处理

4.3 编译可选模块

若需使用C++推理或PP-Structure模块：

mkdir build && cd build
cmake .. && make -j$(nproc)

五、模型与配置准备

5.1 下载预训练模型

mkdir inference && cd inference
wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_det_infer.tar
wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_infer.tar
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
tar xf *.tar && rm *.tar

5.2 配置文件修改

编辑configs/inference/det_db_icdar15.yml，修改：

Global:
  infer_img: ./doc/imgs/11.jpg  # 默认测试图片
  rec_char_dict_path: ./ppocr/utils/dict/chinese_cht_dict.txt  # 字符集文件

六、基础功能测试

6.1 命令行推理

python tools/infer_rec.py \
  -c configs/rec/ch_PP-OCRv4_rec.yml \
  -o Global.pretrained_model=./inference/ch_PP-OCRv4_rec_infer/model \
  Global.infer_img=./doc/imgs_words/ch/word_1.jpg

预期输出包含识别文本和置信度。

6.2 Web服务部署

使用FastAPI快速搭建API：

# 创建app.py
from fastapi import FastAPI
from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
app = FastAPI()
@app.post("/ocr")
async def ocr_api(img_base64: str):
    import base64
    from io import BytesIO
    from PIL import Image
    img_data = base64.b64decode(img_base64)
    img = Image.open(BytesIO(img_data))
    result = ocr.ocr(img, cls=True)
    return {"result": result}

启动服务：

pip install fastapi uvicorn
uvicorn app:app --host 0.0.0.0 --port 8000

七、性能优化建议

7.1 模型量化

将FP32模型转为INT8：

python tools/export_model.py \
  -c configs/rec/ch_PP-OCRv4_rec.yml \
  -o Global.pretrained_model=./inference/ch_PP-OCRv4_rec_infer/model \
  Global.save_inference_dir=./quant_model \
  Global.quant=True

7.2 多进程加速

修改tools/infer/predict_system.py，在main函数前添加：

import multiprocessing
multiprocessing.set_start_method('spawn')  # 避免GPU内存冲突

八、常见问题解决

8.1 CUDA内存不足

错误现象：CUDA out of memory
解决方案：

• 降低batch_size参数
• 使用export CUDA_VISIBLE_DEVICES=0限制GPU使用
• 升级GPU驱动至最新版

8.2 中文识别乱码

原因：未正确加载字符集文件
检查：

from paddleocr import PaddleOCR
ocr = PaddleOCR(lang="ch")  # 确保lang参数为ch
print(ocr.get_params()["rec_char_dict_path"])  # 验证路径

九、进阶部署方案

9.1 Docker容器化

创建Dockerfile：

FROM nvidia/cuda:11.2.2-cudnn8-runtime-ubuntu20.04
RUN apt update && apt install -y python3-pip git
COPY . /PaddleOCR
WORKDIR /PaddleOCR
RUN pip install -r requirements.txt
CMD ["python", "tools/infer_rec.py", "-c", "configs/rec/ch_PP-OCRv4_rec.yml"]

构建并运行：

docker build -t paddleocr .
docker run --gpus all -v $(pwd)/inference:/PaddleOCR/inference paddleocr

9.2 Kubernetes集群部署

通过Helm Chart实现水平扩展，关键配置：

# values.yaml
replicaCount: 3
resources:
  limits:
    nvidia.com/gpu: 1
  requests:
    cpu: "500m"
    memory: "2Gi"

十、总结与资源推荐

本教程完整覆盖了从环境搭建到服务部署的全流程，关键步骤验证点包括：

1. Python环境隔离性
2. PaddlePaddle版本匹配
3. 模型文件完整性
4. 硬件资源分配合理性

推荐学习资源：

• 官方文档：PaddleOCR GitHub
• 性能调优：Paddle Inference文档
• 社区支持：PaddlePaddle论坛

通过系统化的部署实践，开发者可快速构建满足生产需求的OCR服务，后续可探索模型蒸馏、分布式推理等高级特性。