PaddleOCR填坑记

写在前面：PaddleOCR是百度家出的深度学习based字符识别开源项目。为什么选PaddleOCR呢？在定调之前看过好多其他的开源项目，最初是找开源的CRNN实现，找到了pytorchOCR，并花时间学了一下基本的DL概念。再后来才发现转C++是如此的困难。既然生产难以实现，那对于我来说，实验室的结果再好也无法投入生产，也就没有意义（对于我的项目来说）。群里的大佬指了条明路，才开始了漫漫PaddleOCR挖坑之路。ps:群里的氛围还是不错的，特别对于我这种dl小白。下面就记录一下这段时间的成果吧！

PaddlePaddle是一系列开发组件，每一个组件都提供了训练部署一条龙全流程的服务。PaddleOCR独立出来，是一个单独的repo。而PaddleX为整个深度学习提供了全流程服务。值得注意的是，Paddle与Pytorch是并列关系，都是深度学习框架，Paddle和Pytorch很像，所以基本能做到无缝切换（听说是）。

为什么要部署(deploy)？

开发环境和生产环境有很大不同，硬件设备上来说，开发电脑的配置高级显卡，而出货电脑就没必要那么高级，能用就行，所以这就要求我们训练好的模型能在出货的电脑上跑起来，牺牲部分精度保证速度。（这个看具体需求，比如医疗影像，是绝对不能牺牲精度的）综上，理由一，**生产电脑性能差。**理由二，python不适合用于生产环境，说白了还是考虑运行速度，尤其是工业环境，用C++/C#的多，python依赖太多，不合适。这是目前我认识到的，欢迎补充。当然如果就是开发类似PaddleX GUI的开发深度学习的软件，那就可以考虑直接用python环境了。目前GUI还没开源，官方说是基于PaddleX API开发的，研究一下应该自己也能做。貌似是pyinstaller打包的。

有哪几种方式？

Linux的ubuntu 1804下官方提供的那几种都可以用：

附上链接
然鹅遗憾的是我是Windows，出货电脑也是Windows，每每此时此刻，都不禁让人怀疑，是不是全世界只有我一个人在用Windows.
来谈一谈我尝试过在Windows上成功的吧：

基于PaddleHub Serving的服务部署

这种方式相当于本地搭一个服务器，然后通过客户端上传数据并接收返回结果。可以参考公开项目，需要注意的是，下载最新版PaddleOCR的源码，以及Shapely的安装（删除源码中requirements中的shapely，具体参考这里。公开项目在Ai Studio上运行的，但是总是会卡在服务器启动那一步，群里没人解答，我在本地Linux上跑通了。所以。。无所谓了。

服务器端C++预测

具体操作可以参考这篇博客和官方文档。
需要注意的是，在VS 2019中编辑CMakeLists.txt的配置文件，要在x64-Release下进行，Debug下会报错：


如果出现了以下这种错误：

‘/paddle/lib/paddle_inference.lib’, needed by ‘ocr_system.exe’, missing and no known rule to…

关掉相关json配置文件，关掉CMakeLists，重新加载即可。

在VS中生成CMakeLists并不会生成对应的sln文件（可能是我不会用），如果需要sln文件，找到CMake GUI，如下：

CMake相关可以参考这里。
结果如下：

如果出现了下面这种裁边的问题：

修改后处理的unclip调大：

改成3之后的效果：

参数介绍：

以上。
ps：python打包参考.