Centos7下飞桨机器学习库ocr安装使用

飞桨（https://www.paddlepaddle.org.cn）是一个非常实用方便的机器学习库，今天实验了一下ocr功能。

记录一下安装过程：

安装python3：

yum -y install python3
python -V

修改python的软链接为python3：

rm -rf /usr/bin/python

rm -rf /usr/bin/pip

ln -s /usr/bin/python3 /usr/bin/python

ln -s /usr/bin/pip3 /usr/bin/pip

 

安装完python3会导致防火墙firewalld和yum运行报错，只需要手工修改脚本中第一行的python为python2即可：

vim /usr/sbin/firewalld

修改 /usr/bin/python 为 /usr/bin/python2

vim /usr/bin/firewall-cmd 

同上

 vim /usr/bin/yum

同上

 

安装基础环境：

yum install gcc g++ make cmake automake zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make mysql-devel gcc-devel python-devel -y

 

安装Anaconda3（安装目录为：/usr/local/etc/anaconda3）：

wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
chmod +x Anaconda3-2020.11-Linux-x86_64.sh

./Anaconda3-2020.11-Linux-x86_64.sh

 

修复CXXABI版本过低的问题：

yum install -y bzip2

cp /usr/local/etc/anaconda3/lib/libstdc++.so.6.0.26 /usr/lib64
strings /usr/lib64/libstdc++.so.6.0.26 |grep 'CXXABI'
cd /usr/lib64
rm -rf libstdc++.so.6
ln -s libstdc++.so.6.0.26 libstdc++.so.6
strings /usr/lib64/libstdc++.so.6 | grep 'CXXABI'

 

安装python的模块：

python -m pip install --upgrade pip

pip install shapely pyclipper dataclass pyclipper

 

yum install libffi-devel wget  libxml2-devel libxslt-devel -y

 pip install lxml requests

 

安装飞桨：
pip install hub

pip install paddlepaddle -U
pip install paddlehub

 如果提示“spyder 4.1.5 requires pyqt5<5.13”，使用下面两条命令安装：

pip install --user pyqt5==5.12.0

pip install --user pyqtwebengine==5.12.0

 

安装ocr：

hub install chinese_ocr_db_crnn_mobile==1.1.1
hub install chinese_ocr_db_crnn_server==1.1.1

安装ocr3.0：

hub install ch_pp-ocrv3

 解决intel mkl的问题：

conda install nomkl

如果无法解决，尝试：

sudo yum-config-manager --add-repo https://yum.repos.intel.com/setup/intelproducts.repo

yum install intel-mkl

 

测试ocr：

hub run chinese_ocr_db_crnn_server --input_path "/root/test.jpg" --output_dir /root/output_ocr  --visualization 1

测试ocr3.0:

hub run ch_pp-ocrv3 --input_path "/PATH/TO/IMAGE"

 

测试分词：

hub run lac --input_text "在世界上，有五百多万中动物。"

 

四、服务部署

• PaddleHub Serving 可以部署一个目标检测的在线服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

  • $ hub serving start -m ch_pp-ocrv3

  • 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。

  • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

• 第二步：发送预测请求

  • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

  • 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/ch_pp-ocrv3"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    
    # 打印预测结果
    print(r.json()["results"])