docker+CUDA11.8部署rapidocr-paddle

前言

因CUDA版本太高，paddlepaddle-gpu和rapidocr-paddle都不能支持，换本地CUDA太麻烦（别问，不是我管理的），所以通过docker部署低版本的CUDA版本以支持rapidocr的使用

部署步骤

拉取docker镜像

docker pull nvidia/cuda:11.8.0-cudnn8-devel-ubuntu22.04

启动容器

docker run -dit --net=host --name="名字" --restart=always -v 本地挂载路径:容器内挂载路径 nvidia/cuda:11.8.0-cudnn8-devel-ubuntu22.04 bash

# 进入容器
docker exec -it contain_id bash

配置环境

apt-get update
apt-get install wget

# 安装conda环境，此步骤略过
$ wget  https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-1-Linux-x86_64.sh
$ export SHELL=/bin/bash

# 安装python环境
$ source ~/.bashrc
$ conda create -n rapidocr python=3.9
$ conda activate rapidocr 

# 安装适配的paddlepaddle-gpu
$ python -m pip install paddlepaddle-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 加镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

# 确定使用的pytorch版本
https://pytorch.org/

# 安装pytorch
$ conda install pytorch torchvision cudatoolkit=11.8

测试是否可以使用GPU

import paddle
print(paddle.utils.run_check())
# 如果出现PaddlePaddle is installed successfully!，说明您已成功安装。

代码使用

import cv2

from rapidocr_paddle import RapidOCR

# 注意这里的参数
engine = RapidOCR(det_use_cuda=True, cls_use_cuda=True, rec_use_cuda=True)

image_path = "tests/test_files/ch_en_num.jpg"
result, elapse_list = engine(image_path)