docker部署PaddleOCR

用 docker 部署 PaddleOCR 是因为 PaddleOCR 以源码安装的方式比较繁杂，要注意比较多的细节，而且很多环境往往是没有外网的，因此Docker就是一个很好的解决方案，它将开放所需要的环境都封装在镜像中了，方便部署使用。

1. PaddleOCR 镜像制作

Dockerfile文件

# Version: 2.5.1
# FROM paddlepaddle/paddle:2.5.1
FROM registry.baidubce.com/paddlepaddle/paddle:2.5.1
# PaddleOCR base on Python3.7
RUN pip3.7 install --no-cache-dir --upgrade pip -i https://mirror.baidu.com/pypi/simple
RUN pip3.7 install --no-cache-dir paddlehub --upgrade -i https://mirror.baidu.com/pypi/simple
RUN git clone https://gitee.com/PaddlePaddle/PaddleOCR.git /PaddleOCR
WORKDIR /PaddleOCR
RUN pip3.7 install --no-cache-dir -r requirements.txt -i https://mirror.baidu.com/pypi/simple
RUN mkdir -p /PaddleOCR/inference/
# 下载并解压 OCR 文本检测模型
ADD https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar /PaddleOCR/inference/
# 下载并解压 OCR 文本方向分类模型
ADD https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar /PaddleOCR/inference/
# 下载并解压 OCR 文本识别模型
ADD https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar /PaddleOCR/inference/
RUN tar xf /PaddleOCR/inference/ch_PP-OCRv3_det_infer.tar -C /PaddleOCR/inference/
RUN tar xf /PaddleOCR/inference/ch_ppocr_mobile_v2.0_cls_infer.tar -C /PaddleOCR/inference/
RUN tar xf /PaddleOCR/inference/ch_PP-OCRv3_rec_infer.tar -C /PaddleOCR/inference/
RUN pip3.7 uninstall -y astroid
RUN pip3.7 install astroid==2.12.2 --upgrade pip -i https://mirror.baidu.com/pypi/simple
RUN pip3.7 uninstall protobuf
RUN pip3.7 install protobuf==3.20.0 --upgrade pip -i https://mirror.baidu.com/pypi/simple
# 安装ocr_system服务
RUN hub install deploy/hubserving/ocr_system/

# 安装表格识别，下载基于SLANet的中文表格识别模型，如果只需要文本提取，则可以不安装该服务，删掉这一块即可
ADD https://paddleocr.bj.bcebos.com/ppstructure/models/slanet/ch_ppstructure_mobile_v2.0_SLANet_infer.tar /PaddleOCR/inference/
ADD https://paddleocr.bj.bcebos.com/dygraph_v2.0/table/en_ppocr_mobile_v2.0_table_structure_infer.tar /PaddleOCR/inference/
RUN tar xf /PaddleOCR/inference/ch_ppstructure_mobile_v2.0_SLANet_infer.tar -C /PaddleOCR/inference/
RUN tar xf /PaddleOCR/inference/en_ppocr_mobile_v2.0_table_structure_infer.tar -C /PaddleOCR/inference/
#安装structure_table服务
RUN hub install deploy/hubserving/structure_table/

EXPOSE 8866
CMD ["/bin/bash","-c","hub serving start -m ocr_system structure_table"]

创建好Dockerfile文件后，执行如下命令即可自动构建镜像，要预留足够的存储空间，构建完成后大概6G多，整个构建过程根据网速定，我花了差不多1.5小时才构建完。

docker build -t paddle-ocr:cpu .

2. 运行

docker run -dp 8866:8866 --name ocr paddle-ocr:cpu

当然也可以用 docker-compose 管理

version: '3'
services:
  ocr:
    image: paddle-ocr:cpu
    restart: always
    container_name: ocr
    ports:
      - 8866:8866

3. 服务配置

镜像运行后，使用 docker exec -it ocr bash 进入容器内进行修改，修改后重新容器即可。

1. 文本检测+文本方向分类+文本识别3阶段串联服务(ocr_system)配置文件是deploy/hubserving/ocr_system/params.py，包含模型路径和相关参数，这里使用默认配置即可，如果更换模型需要对应修改配置文件。
2. 表格识别服务(structure_table)配置.

#打开配置文件
vim deploy/hubserving/structure_table/params.py

#调整模型文件路径为./inference/ch_ppstructure_mobile_v2.0_SLANet_infer/
#调整字典文件路径为./ppocr/utils/dict/table_structure_dict_ch.txt

4. 测试调用

        <dependency>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
            <version>4.5.14</version>
        </dependency>

import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;
import org.apache.http.HttpResponse;
import org.apache.http.HttpStatus;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.entity.StringEntity;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;
import sun.misc.BASE64Encoder;

import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.text.ParseException;
public class HttpUtils {
    //接口地址
    //private static final String apiURL = "http://192.168.0.101:8866/predict/structure_table";
    private static final String apiURL = "http://192.168.0.101:8866/predict/ocr_system";

    public static void main(String[] args) throws ParseException {
        JSONArray arry = new JSONArray();
        JSONObject param = new JSONObject();
        arry.add(fileToBase64("C:\\Users\\Aaron\\Pictures\\2.PNG"));
        param.put("images",arry);
        String result = HttpUtils.post(apiURL, param.toJSONString());
        System.out.println(result);
    }

    /**
     * 调用 API
     */
    public static String post(String url, String parameters) {
        HttpPost post = new HttpPost(url);
        // 建立一个NameValuePair数组，用于存储欲传送的参数
        post.addHeader("Content-type","application/json");
        post.setHeader("Accept", "application/json");
        post.setEntity(new StringEntity(parameters, StandardCharsets.UTF_8));
        long startTime = System.currentTimeMillis();
        try (CloseableHttpClient httpClient = HttpClients.createDefault()){
            HttpResponse response = httpClient.execute(post);
            long endTime = System.currentTimeMillis();
            int statusCode = response.getStatusLine().getStatusCode();
            System.out.println("statusCode:" + statusCode);
            System.out.println("调用API 花费时间(单位：秒)：" + (endTime - startTime)/1000);
            if (statusCode != HttpStatus.SC_OK) {
                System.out.println("Method failed:" + response.getStatusLine());
            }
            String body = EntityUtils.toString(response.getEntity(),"utf-8");
            return body;
        } catch (IOException e) {
            // 网络错误
            e.printStackTrace();
        }
        return "";
    }

    public static String fileToBase64(String path) {
        // 读取图片字节数组
        try (InputStream in = Files.newInputStream(Paths.get(path))){
            byte[] data = new byte[in.available()];
            in.read(data);
            // 对字节数组Base64编码
            BASE64Encoder encoder = new BASE64Encoder();
            return encoder.encode(data);// 返回Base64编码过的字节数组字符串
        } catch (IOException e) {
            e.printStackTrace();
        }
        return "";
    }
}

5. 遇到的问题

1. 报 protobuf 包依赖冲突，后在Dockerfile 文件里后面加了这行，安装个低版本的 protobuf 解决

RUN pip install protobuf==3.20.0 -i https://mirror.baidu.com/pypi/simple

2. PaddlePaddle出现“非法指令”或“illegal instruction”

原因：PaddlePaddle使用avx SIMD指令提高cpu执行效率，因此错误的使用二进制发行版可能会导致这种错误，请先判断你的电脑是否支持AVX指令集，再选择性的安装支持AVX指令集的PaddlePaddle还是不支持AVX指令集的PaddlePaddle，或者使用Docker镜像来安装最新版本的PaddlePaddle，Docker镜像中的PaddlePaddle默认支持是支持AVX指令集的，可以提高cpu的执行效率。在启动的时候会检查系统是否支持PaddlePaddle初始化时所需要的资源，从AVX指令集开始检查。
解决：遇到此问题可以先用 lscpu 命令查看docker宿主机是否支持AVX指令集，我是换台服务器解决。

3. 容器运行后，调用的时候报了 module ‘numpy’ has no attribute ‘int’. 异常

AttributeError: module 'numpy' has no attribute 'int'.
`np.int` was a deprecated alias for the builtin `int`. To avoid this error in existing code, use `int` by itself. Doing this will not modify any behavior and is safe. When replacing `np.int`, you may wish to use e.g. `np.int64` or `np.int32` to specify the precision. If you wish to review your current use, check the release note link for additional information.
The aliases was originally deprecated in NumPy 1.20; for more details and guidance see the original release note at:

原因：np.int 在 NumPy 1.20 中已弃用，在 NumPy 1.24 中已删除。
解决：将容器中的 /PaddleOCR/deploy/hubserving/ocr_system/module.py
/np.ini 文件中的 np.int 更改为np.int_

具体操作如下：

# 进入容器内
docker exec -it ocr /bin/bash
# 修改文件
vim /PaddleOCR/deploy/hubserving/ocr_system/module.py
/np.ini

# 如下位置
            for dno in range(dt_num):
                text, score = rec_res[dno]
                rec_res_final.append({
                    'text': text,
                    'confidence': float(score),
                    'text_region': dt_boxes[dno].astype(np.int_).tolist()
                })
            all_results.append(rec_res_final)
        return all_results

# 修改后重启容器即可解决
docker restart ocr