手把手0基础Centos下安装与部署paddleOcr教程

摘要

本文是一篇针对零基础开发者的CentOS系统下PaddleOCR安装与部署教程。从环境准备、依赖安装到代码下载、模型下载，再到简单的使用示例，本文将详细阐述每一个步骤，确保读者能够轻松上手并成功部署PaddleOCR。

一、环境准备

1.1 确认CentOS版本

首先，我们需要确认自己的CentOS版本。可以通过以下命令查看：

cat /etc/redhat-release

PaddleOCR对CentOS 7及更高版本支持良好，因此建议使用CentOS 7或8。

1.2 更新系统

在开始安装之前，建议更新系统到最新状态：

sudo yum update -y

此命令将更新所有已安装的软件包到最新版本。

1.3 安装必要的工具

安装一些必要的工具，如wget、git和unzip，这些工具在后续的安装过程中会用到：

sudo yum install -y wget git unzip

二、安装Python环境

PaddleOCR需要Python环境支持，推荐使用Python 3.7或更高版本。我们可以通过以下步骤安装Python：

2.1 安装EPEL仓库

EPEL（Extra Packages for Enterprise Linux）是一个额外的软件包仓库，提供了许多不在默认仓库中的软件包。安装EPEL仓库：

sudo yum install -y epel-release

2.2 安装Python 3.7

通过EPEL仓库安装Python 3.7：

sudo yum install -y python37

安装完成后，可以通过以下命令验证：

python3.7 --version

2.3 安装pip

pip是Python的包管理工具，用于安装和管理Python包。安装pip：

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python3.7 get-pip.py

安装完成后，可以通过以下命令验证：

pip3.7 --version

三、安装PaddlePaddle

PaddleOCR依赖于PaddlePaddle深度学习框架，因此需要先安装PaddlePaddle。

3.1 安装PaddlePaddle GPU版本（可选）

如果你的服务器有NVIDIA GPU，并且已经安装了CUDA和cuDNN，可以安装GPU版本的PaddlePaddle以获得更好的性能。首先，确认CUDA和cuDNN的版本，然后根据官方文档选择对应的PaddlePaddle版本进行安装。例如，安装CUDA 10.1和cuDNN 7.6对应的PaddlePaddle版本：

pip3.7 install paddlepaddle-gpu==2.0.0.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

3.2 安装PaddlePaddle CPU版本

如果没有GPU，或者只想在CPU上运行PaddleOCR，可以安装CPU版本的PaddlePaddle：

pip3.7 install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple

安装完成后，可以通过以下命令验证：

python3.7 -c "import paddle; paddle.utils.run_check()"

如果输出“PaddlePaddle is installed successfully!”表示安装成功。

四、安装PaddleOCR

4.1 下载PaddleOCR代码

通过git克隆PaddleOCR的代码仓库：

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

4.2 安装依赖

PaddleOCR有一些额外的依赖，可以通过以下命令安装：

pip3.7 install -r requirements.txt

五、下载模型

PaddleOCR提供了预训练的模型，可以直接下载使用。在PaddleOCR目录下，有models目录，其中包含了各种预训练模型的下载链接。

5.1 下载中文OCR模型

例如，下载中文OCR模型（包括检测模型和识别模型）：

cd models
# 下载检测模型
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar
tar -xf ch_ppocr_mobile_v2.0_det_infer.tar
# 下载识别模型
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar
tar -xf ch_ppocr_mobile_v2.0_rec_infer.tar
cd ..

六、简单使用示例

6.1 图片文字检测与识别

使用PaddleOCR进行图片文字检测与识别非常简单。以下是一个简单的示例：

from paddleocr import PaddleOCR
# 初始化PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
# 读取图片并进行OCR
img_path = "your_image_path.jpg"  # 替换为你的图片路径
result = ocr.ocr(img_path, cls=True)
# 打印结果
for line in result:
    print(line)

将上述代码保存为ocr_example.py，然后运行：

python3.7 ocr_example.py

如果一切正常，你将看到图片中的文字被检测并识别出来。

6.2 批量处理图片

如果需要批量处理图片，可以编写一个简单的脚本：

import os
from paddleocr import PaddleOCR
# 初始化PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
# 图片目录
img_dir = "your_image_directory"  # 替换为你的图片目录
# 遍历图片目录并进行OCR
for img_name in os.listdir(img_dir):
    if img_name.lower().endswith(('.png', '.jpg', '.jpeg')):
        img_path = os.path.join(img_dir, img_name)
        result = ocr.ocr(img_path, cls=True)
        print(f"Image: {img_name}")
        for line in result:
            print(line)
        print("-" * 50)

将上述代码保存为batch_ocr.py，然后运行：

python3.7 batch_ocr.py

七、总结与展望

通过本文的详细步骤，我们成功地在CentOS系统下安装并部署了PaddleOCR。从环境准备、Python环境安装、PaddlePaddle安装到PaddleOCR代码下载、模型下载以及简单的使用示例，每一个步骤都进行了详细的阐述。

PaddleOCR作为一个强大的OCR工具，不仅支持多种语言，还提供了丰富的预训练模型，可以满足不同场景下的OCR需求。未来，随着深度学习技术的不断发展，PaddleOCR也将不断更新和优化，为用户提供更加高效、准确的OCR服务。

希望本文能够对零基础的开发者有所帮助，让大家能够轻松上手并成功部署PaddleOCR。如果在安装或使用过程中遇到任何问题，欢迎随时查阅官方文档或社区论坛，获取更多的帮助和支持。