如何本地部署使用EasyOCR，并迁移到没有互联网环境的电脑上

本地部署EasyOCR.md

1. 安装Python

下载并安装Python。

2. 创建虚拟环境

python -m venv test_EasyOCR 

3. 激活虚拟环境

在windows下使用命令

test_EasyOCR\Scripts\activate

在linux系统下使用命令

source test_EasyOCR/bin/activate

4. 安装easyOCR

先升级pip

python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

然后安装，一共有4个依赖包，执行命令一起安装

pip install torch torchvision torchaudio easyocr -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：如果你的电脑上已经有了torch，
那么在安装easyOCR时，需要添加参数–no-deps，
以避免版本冲突。

5.下载模型

到页面 https://www.jaided.ai/easyocr/modelhub/ 下载 2rd Generation Models下的english_g2和zh_sim_g2，以及Text Detection Models下的CRAFT，点击即可。
下载之后，将文件解压得到.pth后缀的文件并放到用户目录中，其中：

• Windows电脑放在C:\Users\yourname.EasyOCR\model，其中yourname是登录用户名。比如，如果用户名是administrator，那么就是C:\Users\Administrator\.EasyOCR\model
• Linux电脑放在/home/yourname/.EasyOCR/model中，其中yourname是登录用户名。比如，如果用户名是xx，那么就是/home/xx/.EasyOCR/model
  请确保这个路径存在！

6. 使用

编写python代码

import easyocr
reader = easyocr.Reader(['ch_sim','en']) # 只需要运行一次就可以将模型加载到内存中
# reader = easyocr.Reader（['ch_sim'，'en']，gpu = False） # 如果您没有GPU或GPU的内存不足，则可以通过添加gpu = False在CPU模式下运行它

result = reader.readtext('chinese.jpg')
# result = reader.readtext('chinese.jpg', detail = 0)  # 将detail设置为0，以简化输出。

print(result)

注意：
在运行上面的例子时，有可能会提示Downloading recognition model, please wait. This may take several minutes depending upon your network connection.
这是因为使用ch_sim参数时，我们刚才下载的3个模型不够，它会自己再下载另一个模型（需要联网），模型文件是zh_sim_g2.pth。

7. 将EasyOCR安装到没有互联网环境的电脑上

1. 在已经部署好EasyOCR的联网环境的电脑上执行命令

pip list --format=freeze > requirements.txt
pip download -d easyOCR_packagesDir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 将easyOCR_packagesDir文件夹和requirements.txt文件以及刚才提到的4个模型文件复制到没有联网的电脑上
3. 在没有联网的电脑上执行命令创建虚拟环境

python -m venv test_EasyOCR 

然后进行离线安装，以下是windows电脑上的命令，其中的path/to是虚拟环境的路径，比如:F:\python_envs\

path/to/test_EasyOCR/Scripts/python.exe -m pip install --no-index --find-links=easyOCR_packagesDir -r requirements.txt

4. 存放模型
   将拷贝过来的4个.pth格式的模型文件放到指定的位置（见上文）。
   此时，可以在这台没有互联网环境的电脑上进行图片中文字的识别。