54 lines
2.3 KiB
Markdown
54 lines
2.3 KiB
Markdown
[English](README.md) | 简体中文
|
||
|
||
## Docker化部署服务
|
||
在日常项目应用中，相信大家一般都会希望能通过Docker技术，把PaddleOCR服务打包成一个镜像，以便在Docker或k8s环境里，快速发布上线使用。
|
||
|
||
本文将提供一些标准化的代码来实现这样的目标。大家通过如下步骤可以把PaddleOCR项目快速发布成可调用的Restful API服务。（目前暂时先实现了基于HubServing模式的部署，后续作者计划增加PaddleServing模式的部署）
|
||
|
||
## 1.实施前提准备
|
||
|
||
需要先完成如下基本组件的安装：
|
||
a. Docker环境
|
||
b. 显卡驱动和CUDA 10.0+（GPU）
|
||
c. NVIDIA Container Toolkit（GPU，Docker 19.03以上版本可以跳过此步）
|
||
d. cuDNN 7.6+（GPU）
|
||
|
||
## 2.制作镜像
|
||
a.切换至Dockerfile目录（注：需要区分cpu或gpu版本，下文以cpu为例，gpu版本需要替换一下关键字即可）
|
||
```
|
||
cd deploy/docker/hubserving/cpu
|
||
```
|
||
c.生成镜像
|
||
```
|
||
docker build -t paddleocr:cpu .
|
||
```
|
||
|
||
## 3.启动Docker容器
|
||
a. CPU 版本
|
||
```
|
||
sudo docker run -dp 8868:8868 --name paddle_ocr paddleocr:cpu
|
||
```
|
||
b. GPU 版本 (通过NVIDIA Container Toolkit)
|
||
```
|
||
sudo nvidia-docker run -dp 8868:8868 --name paddle_ocr paddleocr:gpu
|
||
```
|
||
c. GPU 版本 (Docker 19.03以上版本，可以直接用如下命令)
|
||
```
|
||
sudo docker run -dp 8868:8869 --gpus all --name paddle_ocr paddleocr:gpu
|
||
```
|
||
d. 检查服务运行情况（出现：Successfully installed ocr_system和Running on http://0.0.0.0:8868 等信息，表示运行成功）
|
||
```
|
||
docker logs -f paddle_ocr
|
||
```
|
||
|
||
## 4.测试服务
|
||
a. 计算待识别图片的Base64编码（如果只是测试一下效果，可以通过免费的在线工具实现，如：http://tool.chinaz.com/tools/imgtobase/）
|
||
b. 发送服务请求（可参见sample_request.txt中的值）
|
||
```
|
||
curl -H "Content-Type:application/json" -X POST --data "{\"images\": [\"填入图片Base64编码(需要删除'data:image/jpg;base64,'）\"]}" http://localhost:8868/predict/ocr_system
|
||
```
|
||
c. 返回结果（如果调用成功，会返回如下结果）
|
||
```
|
||
{"msg":"","results":[[{"confidence":0.8403433561325073,"text":"约定","text_region":[[345,377],[641,390],[634,540],[339,528]]},{"confidence":0.8131805658340454,"text":"最终相遇","text_region":[[356,532],[624,530],[624,596],[356,598]]}]],"status":"0"}
|
||
```
|