安装及使用

简介¶

PaddleOCR模型本身就是由PaddlePaddle框架训练而来的，PaddlePaddle框架原生支持在CPU和GPU上推理PaddleOCR相关模型。

rapidocr_paddle包是基于PaddlePaddle框架作为推理引擎的，支持CPU和GPU上推理，推荐GPU端使用。原因是ONNXRuntime和OpenVINO在GPU上支持较差。

CPU端还是以rapidocr_onnxruntime和rapidocr_openvino为主。毕竟PaddlePaddle的CPU端还是比较重的。

值得说明的是，这个包和PaddleOCR相比，代码基本都是一样的，只不过这个库将里面核心推理代码抽了出来，更加精简而已。

安装¶

安装PaddlePaddle框架GPU版，并验证可行性，详细参见: 官方教程。验证是否安装成功代码如下：

import paddle

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

安装rapidocr_paddle
1
pip install rapidocr_paddle

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)

其他使用详情，同rapidocor_onnxruntime系列，参见: link

推理速度比较¶

相关测评代码，参见AI Studio，Fork可直接运行查看。不要只推理一张来测试推理速度，需要先推理一张作为预热，后续再看推理速度。

经过初步粗略估计，同一张图像，推理10次，耗时情况见下表：

推理库	平均耗时(s/img)	运行环境
`rapidocr_onnxruntime`	1.6505	CPU 2 Cores RAM 16GB
`rapidocr_paddle[GPU]`	0.0508	CPU 2 Cores RAM 16GB GPU Tesla V100 16G

安装及使用

简介¶

安装¶

使用¶

推理速度比较¶

评论