paddleocr 在docker環境下部署

paddleocr 在docker環境下部署

1. 第一步 查看cuda的版本nvcc -V,我的是11.2;nvidia-smi 對應的cuda version是11.6，所以採用了registry.baidubce.com/paddlepaddle/paddle:latest-dev-cuda11.6-cudnn8.4-trt8.4-gcc82作爲基礎鏡像

   
   

2. Docker鏡像源選擇，DockerHub地址

3. Dockerfile配置

   FROM registry.baidubce.com/paddlepaddle/paddle:latest-dev-cuda11.6-cudnn8.4-trt8.4-gcc82
   
   # 設置工作目錄
   WORKDIR /paddle
   ENV TZ=Asia/Shanghai \
       DEBIAN_FRONTEND=noninteractive
   #將本地代碼同步到鏡像的/paddle目錄下
   copy . /paddle
   #安裝python依賴環境
   RUN python -m pip install paddlepaddle-gpu==0.0.0.post112 -f https://www.paddlepaddle.org.cn/whl/linux/gpu/develop.html
   RUN pip install fastapi -i https://pypi.tuna.tsinghua.edu.cn/simple
   RUN pip install uvicorn -i https://pypi.tuna.tsinghua.edu.cn/simple
   RUN pip install python-multipart -i https://pypi.tuna.tsinghua.edu.cn/simple
   RUN pip install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple
   
   CMD ["python", "/paddle/main_ocr.py"]
   

4. 核心代碼

   ## ocr_paddle.py
   from paddleocr import PaddleOCR, draw_ocr
   
   # Paddleocr目前支持的多語言語種可以通過修改lang參數進行切換
   # 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
   def ocr(file_name):
       ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
       img_path = './uploads/'+file_name
       result = ocr.ocr(img_path, cls=True)
   
       final_txt=[]
       for idx in range(len(result)):
           res = result[idx]
           for line in res:
               final_txt.append(line[1][0])
       print("\n".join(final_txt))
       return "\n".join(final_txt)
   
   

   #main_ocr.py
   from fastapi import FastAPI, UploadFile, File
   import codecs
   import sys
   from fastapi.middleware.cors import CORSMiddleware
   from fastapi.responses import JSONResponse
   from ocr_paddle import ocr
   
   from PIL import Image
   import io
   
   app = FastAPI()
   app.add_middleware(
           CORSMiddleware,
           # 允許跨域的源列表，例如 ["http://www.example.org"] 等等，["*"] 表示允許任何源
           allow_origins=["*"],
           # 跨域請求是否支持 cookie，默認是 False，如果爲 True，allow_origins 必須爲具體的源，不可以是 ["*"]
           allow_credentials=False,
           # 允許跨域請求的 HTTP 方法列表，默認是 ["GET"]
           allow_methods=["*"],
           # 允許跨域請求的 HTTP 請求頭列表，默認是 []，可以使用 ["*"] 表示允許所有的請求頭
           # 當然 Accept、Accept-Language、Content-Language 以及 Content-Type 總之被允許的
           allow_headers=["*"],
           # 可以被瀏覽器訪問的響應頭, 默認是 []，一般很少指定
           # expose_headers=["*"]
           # 設定瀏覽器緩存 CORS 響應的最長時間，單位是秒。默認爲 600，一般也很少指定
           # max_age=1000
   )
   
   @app.post("/image2text/")
   async def image2text(file: UploadFile):
       # print(file.filename)
       try:
           # 檢查文件是否上傳成功
           if file.content_type.startswith('image'):
               # 指定本地文件保存路徑
               with open(f"./uploads/{file.filename}", "wb") as f:
                   f.write(file.file.read())
               res=ocr(file.filename)
               
               return JSONResponse(content={"message": res}, status_code=200)
           else:
               return JSONResponse(content={"message": "Invalid file format. Only images are allowed."}, status_code=400)
       except Exception as e:
           return JSONResponse(content={"message": str(e)}, status_code=500)
   @app.post("/image2text2/")
   async def image2text2(image_bytes):
       print(image_bytes)
       status=0
       res=""
       try:
           image_stream = io.BytesIO(image_bytes)
           # print(file.filename)
           # 指定圖像文件的本地保存路徑
           save_path = "./uploads/image.png"
           image = Image.open(image_stream)
   
           # 保存圖像到本地文件
           image.save(save_path)
           status=200
           res=ocr("image.png")
       except Exception as e:
           status=500
       finally:
           # 關閉圖像對象和二進制流
           image.close()
           image_stream.close()
       return JSONResponse(content={"message": res}, status_code=status)
     
   # 在最下面加上 這一句 代替命令行啓動
   if __name__ == "__main__":
       import uvicorn
       uvicorn.run(app='main_ocr:app', host="0.0.0.0", port=8888, reload=True)
   

5. 製作鏡像，build

   docker build -t ppocr:1.0 .
   

6. 運行

    nvidia-docker run --name ppocr --shm-size=64G --network=host -it ppocr:1.0