各服务特点


    pdserving

更适合企业级部署，性能更高，摘取官方的介绍:

支持客户端和服务端之间高并发和高效通信

支持工业级的服务能力例如模型管理，在线加载，在线A/B测试等

支持多种编程语言开发客户端，例如C++, Python和Java

hubserving 可以理解为源码方式安装某个服务，配置型强

hub install 其实和 hubserving 方式一样，都使用 paddlehub 库进行部署的，其首次进行识别的的时候，会自动下载模型文件，真正一条命令就可以运行起来一个服务，部署起来超简单。
不足之处在于我现在还没找到对于相关模块的配置。只有 paddlehub 自己的一些启动参数可配置。如果你的显卡比较好，又想快点部署，优先考虑采用本方式。低端显卡要是使用此种方式，会导致显存迅速拉满，然后不可用，我现在也没找到解决办法。
相同配置的硬件，使用该种方式， CPU 版相较于 hubserving 明显速度变慢很多，估计是某些参数没设置好，请酌情使用， GPU 版本未测试
除了本文的 OCR ，还有很多有趣的服务通过此种方式可快速搭建，详见

相同价格的硬件，识别速度上还是

GPU

速度更快，优先选择

GPU

部署方式上优先选择


    pdserving

方式

如果你没有显卡，只能用

CPU

的话，一定要确认你的

CPU

要支持

AVX

指令集，验证方法:


    lscpu | grep avx

没有

AVX

指令的话，部署起来比较困难，而且识别速度应该会很慢。
如果你真想部署的话，要安装对应的


    noavx

版本的


    paddlepaddle

，

whl

包在这并且只能使用


    Python3.8

,这个我暂时没时间验证是否能安装成功。等后面有时间了再研究一下...

当你使用


    wget

获取资源的时候，如果发现速度很慢，只有几十

KB

,你可以尝试一下


    Ctrl+C

取消后再重新获取，这个问题是什么导致的我也不清楚

如果你使用的是阿里云或者其他（非百度）的云平台获取资源的时候，速度奇慢，我想是被百度限制了，这时候你可能需要在本地下载好再传到你机器上，当然你也可以使用代理的方式

当你真想部署成一个可靠的服务时，

GPU

显存我感觉最少要


    16 GB

当你在阿里云上使用


    pdserving

方式部署，有可能遇到显存被瞬间填满，机器卡死的情况。我本以为是


    PaddleServing

造成的现存泄露，我也一直在纠结这个问题。但在百度的


    aistudio

上，同样

16G

显存，


    aistudio

是正常的

二、pdserving方式部署

`Dockerfile` :

FROM paddlepaddle/paddle:2.1.0-gpu-cuda10.2-cudnn7
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="PaddleOCR pdserving GPU version"
#github网速太慢或被墙，现用的cnpmjs加速，也可以更换为码云
ENV REPO_LINK=https://github.com.cnpmjs.org/PaddlePaddle/PaddleOCR.git
#模型数据
ENV	orc_detect_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
ENV	orc_recognition_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
#whl包，开发测试阶段，未上传到pypi
ENV paddle_serving_client_test=https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_client-0.0.0-cp37-none-any.whl
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddle-serving-server-gpu==0.6.1.post101 paddle-serving-app==0.6.1 -i https://mirror.baidu.com/pypi/simple \
	&& git clone $REPO_LINK /PaddleOCR \
	&& pip3.7 install -r /PaddleOCR/requirements.txt -i https://mirror.baidu.com/pypi/simple
#下载模型数据并解压
WORKDIR /PaddleOCR/deploy/pdserving
ADD $orc_detect_model .
ADD $orc_recognition_model .
ADD $paddle_serving_client_test .
RUN for f in *.tar; do tar xf "$f"; done;rm -fr *.tar \
	&& pip3.7 install paddle_serving_client-0.0.0-cp37-none-any.whl \
	&& python3.7 -m paddle_serving_client.convert --dirname ./ch_ppocr_mobile_v2.0_det_infer/ \
                                         --model_filename inference.pdmodel          \
                                         --params_filename inference.pdiparams       \
                                         --serving_server ./ppocr_det_mobile_2.0_serving/ \
                                         --serving_client ./ppocr_det_mobile_2.0_client/ \
    && python3.7 -m paddle_serving_client.convert --dirname ./ch_ppocr_mobile_v2.0_rec_infer/ \
                                         --model_filename inference.pdmodel          \
                                         --params_filename inference.pdiparams       \
                                         --serving_server ./ppocr_rec_mobile_2.0_serving/  \
                                         --serving_client ./ppocr_rec_mobile_2.0_client/ \
	&& rm -fr *.tar
EXPOSE 9998
ENTRYPOINT ["/bin/bash","-c","python3.7 web_service.py"]
docker build -t pdserving_gpu:v1 .
docker run -itd --network=host --gpus all  --name pdserving_gpu pdserving_gpu:v1
查看运行日志发现没有错误后，低端显卡的话，别先进行测试。我们需要修改一下配置文件。

默认的配置对显卡要求较高，需要修改一下QPS,默认的两个并发参数分别为8、4，现在拿我的GeForce 750 2GB显存，我需要把它改成2、1
进入容器：docker exec -it pdserving_gpu  /bin/bash
打开配置文件vim /PaddleOCR/deploy/pdserving/config.yml,找到下图对应的两个参数，进行修改

重启docker容器:docker restart pdserving_gpu  
# coding:utf-8
import base64
import json
import os
import requests
def cv2_to_base64(image):
    return base64.b64encode(image).decode('utf8')
url = "http://172.16.71.33:9998/ocr/prediction"
test_img_dir = r"C:\Users\eric\Desktop\pre_ocr_images"
for idx, img_file in enumerate(os.listdir(test_img_dir)):
    with open(os.path.join(test_img_dir, img_file), 'rb') as file:
        image_data1 = file.read()
    image = cv2_to_base64(image_data1)
    for i in range(1):
        data = {"key": ["image"], "value": [image]}
        r = requests.post(url=url, data=json.dumps(data))
        print(r.json())
print("==> total number of test imgs: ", len(os.listdir(test_img_dir)))
Dockerfile:
FROM paddlepaddle/paddle:2.1.0
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="PaddleOCR pdserving CPU version"
#github网速太慢或被墙，现用的cnpmjs加速，也可以更换为码云
ENV REPO_LINK=https://github.com.cnpmjs.org/PaddlePaddle/PaddleOCR.git
#模型数据
ENV	orc_detect_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
ENV	orc_recognition_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
#whl包，开发测试阶段，未上传到pypi
ENV paddle_serving_client_test=https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_client-0.0.0-cp37-none-any.whl
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddle-serving-server==0.6.1 paddle-serving-app==0.6.1 -i https://mirror.baidu.com/pypi/simple \
	&& git clone $REPO_LINK /PaddleOCR \
	&& pip3.7 install -r /PaddleOCR/requirements.txt -i https://mirror.baidu.com/pypi/simple
#下载模型数据并解压
WORKDIR /PaddleOCR/deploy/pdserving
ADD $orc_detect_model .
ADD $orc_recognition_model .
ADD $paddle_serving_client_test .
RUN for f in *.tar; do tar xf "$f"; done;rm -fr *.tar \
	&& pip3.7 install paddle_serving_client-0.0.0-cp37-none-any.whl \
	&& python3.7 -m paddle_serving_client.convert --dirname ./ch_ppocr_mobile_v2.0_det_infer/ \
                                         --model_filename inference.pdmodel          \
                                         --params_filename inference.pdiparams       \
                                         --serving_server ./ppocr_det_mobile_2.0_serving/ \
                                         --serving_client ./ppocr_det_mobile_2.0_client/ \
    && python3.7 -m paddle_serving_client.convert --dirname ./ch_ppocr_mobile_v2.0_rec_infer/ \
                                         --model_filename inference.pdmodel          \
                                         --params_filename inference.pdiparams       \
                                         --serving_server ./ppocr_rec_mobile_2.0_serving/  \
                                         --serving_client ./ppocr_rec_mobile_2.0_client/ \
	&& rm -fr *.tar
EXPOSE 9998
ENTRYPOINT ["/bin/bash","-c","python3.7 web_service.py"]
docker build -t pdserving_cpu:v1 .
docker run -itd --network=host --name pdserving_cpu pdserving_cpu:v1
后续测试请参见上方的GPU版本，不再赘述
三、hubserving方式部署
Dockerfile：
FROM paddlepaddle/paddle:2.1.0-gpu-cuda10.2-cudnn7
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="PaddleOCR hubserving GPU version"
#github网速太慢或被墙，现用的cnpmjs加速，也可以更换为码云
ENV REPO_LINK=https://github.com.cnpmjs.org/PaddlePaddle/PaddleOCR.git
#模型数据，现用的ch_ppocr_mobile_v2.0_xx，为中英文超轻量OCR模型，因为源码参数中配置的就为该模型，
#所以不用修改源码。如果切换为服务端模型，记得修改deploy/hubserving/ocr_system/params.py下对应的模型位置
ENV	orc_detect_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
ENV	orc_direction_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
ENV	orc_recognition_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddlehub -i https://mirror.baidu.com/pypi/simple \
	&& git clone $REPO_LINK /PaddleOCR \
	&& pip3.7 install -r /PaddleOCR/requirements.txt -i https://mirror.baidu.com/pypi/simple \
	&& mkdir -p /PaddleOCR/inference	
#下载模型数据并解压
WORKDIR /PaddleOCR/inference/
ADD $orc_detect_model .
ADD $orc_direction_model .
ADD $orc_recognition_model .
RUN for f in *.tar; do tar xf "$f"; done;rm -fr *.tar
WORKDIR /PaddleOCR
EXPOSE 8868
ENTRYPOINT ["/bin/bash","-c","export CUDA_VISIBLE_DEVICES=0 && hub install deploy/hubserving/ocr_system/ && hub serving start -c deploy/hubserving/ocr_system/config.json "]
构建docker镜像
docker build -t hubserving_gpu:v1 .
docker run -itd --network=host --gpus all  --name hubserving_gpu hubserving_gpu:v1
检查运行状态，查看是否有错误,查看端口号
docker logs -f hubserving_gpu 
客户端测试：
# coding:utf-8
import base64
import json
import os
import traceback
import cv2
import requests
test_img_dir = './imgs/1'
def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')
for idx, img_file in enumerate(os.listdir(test_img_dir)):
        data = {'images': [cv2_to_base64(cv2.imread(os.path.join(test_img_dir, img_file)))]}
        headers = {"Content-type": "application/json"}
        url = "http://172.16.71.33:8868/predict/ocr_system"
        r = requests.post(url=url, headers=headers, data=json.dumps(data))
        print(r.text)
        print(r.json()["results"])
    except:
        traceback.print_exc()
        continue
Dockerfile
FROM paddlepaddle/paddle:2.1.0
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="PaddleOCR hubserving CPU version"
#github网速太慢或被墙，现用的cnpmjs加速，也可以更换为码云
ENV REPO_LINK=https://github.com.cnpmjs.org/PaddlePaddle/PaddleOCR.git
#模型数据，现用的ch_ppocr_mobile_v2.0_xx，为中英文超轻量OCR模型，因为源码参数中配置的就为该模型，
#所以不用修改源码。如果切换为服务端模型，记得修改deploy/hubserving/ocr_system/params.py下对应的模型位置
ENV	orc_detect_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
ENV	orc_direction_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
ENV	orc_recognition_model=https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddlehub -i https://mirror.baidu.com/pypi/simple \
	&& git clone $REPO_LINK /PaddleOCR \
	&& pip3.7 install -r /PaddleOCR/requirements.txt -i https://mirror.baidu.com/pypi/simple \
	&& mkdir -p /PaddleOCR/inference	
#下载模型数据并解压
WORKDIR /PaddleOCR/inference/
ADD $orc_detect_model .
ADD $orc_direction_model .
ADD $orc_recognition_model .
RUN for f in *.tar; do tar xf "$f"; done;rm -fr *.tar
WORKDIR /PaddleOCR
EXPOSE 8868
ENTRYPOINT ["/bin/bash","-c","hub install deploy/hubserving/ocr_system/ && hub serving start -m ocr_system -p 8868"]
docker build -t hubserving_cpu:v1 .
docker run -itd --network=host  --name hubserving_cpu hubserving_cpu:v1

后续测试请参见上方的GPU版本，不再赘述
四、hub install方式部署
GPU版
Dockerfile
FROM paddlepaddle/paddle:2.1.0-gpu-cuda10.2-cudnn7
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="hub install GPU version"
ENV CUDA_VISIBLE_DEVICES=0
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddlehub shapely pyclipper -i https://mirror.baidu.com/pypi/simple
ENTRYPOINT ["/bin/bash","-c","hub serving start -m chinese_ocr_db_crnn_server"]
docker build -t hub_install_gpu:v1 .
docker run -itd --network=host --gpus all --name hub_install_gpu hub_install_gpu:v1 
# coding:utf-8
import base64
import json
import os
import cv2
import requests
def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')
url = "http://172.16.71.33:8866/predict/chinese_ocr_db_crnn_server"
test_img_dir = './images1'
for idx, img_file in enumerate(os.listdir(test_img_dir)):
    data = {'images': [cv2_to_base64(cv2.imread(os.path.join(test_img_dir, img_file)))]}
    headers = {"Content-type": "application/json"}
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    print(r.json()["results"])
CPU版
Dockerfile
FROM paddlepaddle/paddle:2.1.0
LABEL maintainer="steinven@qq.com"
LABEL version="1.0"
LABEL description="hub install CPU version"
#安装所需的库文件
RUN pip3.7 install --upgrade pip paddlehub shapely pyclipper -i https://mirror.baidu.com/pypi/simple
ENTRYPOINT ["/bin/bash","-c","hub serving start -m chinese_ocr_db_crnn_server"]
docker build -t hub_install_cpu:v1 .
docker run -itd --network=host  --name hub_install_cpu hub_install_cpu:v1 

后续测试请参见上方的GPU版本，不再赘述

各服务特点

二、pdserving方式部署

`Dockerfile` :

`Dockerfile`:

三、hubserving方式部署

`Dockerfile`：

构建`docker`镜像

检查运行状态，查看是否有错误,查看端口号

客户端测试：

`Dockerfile`

四、hub install方式部署

`GPU`版

`Dockerfile`

`CPU`版

`Dockerfile`

各服务特点

二、pdserving方式部署

Dockerfile :

Dockerfile:

三、hubserving方式部署

Dockerfile：

构建docker镜像

检查运行状态，查看是否有错误,查看端口号

客户端测试：

Dockerfile

四、hub install方式部署

GPU版

Dockerfile

CPU版

Dockerfile

`Dockerfile` :

`Dockerfile`:

`Dockerfile`：

构建`docker`镜像

`Dockerfile`

`GPU`版

`Dockerfile`

`CPU`版

`Dockerfile`