基于PaddleHub Serving的服务部署

最新推荐文章于 2025-05-02 17:30:09 发布
最新推荐文章于 2025-05-02 17:30:09 发布
阅读量688 收藏
点赞数 24
分类专栏： AI 文章标签： python Paddle PaddleOCR PaddleHub
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/abc666_666/article/details/145568156
版权

PaddleOCR提供了2中服务的部署方式，文本是基于PaddleHub Serving的方式部署的流程，该部署方式相对简单，实现较为容易，可使得大家熟悉PaddleOCR的识别流程，是个不错的入门方式。

一、环境准备

1. 安装PaddlePaddle的基础框架

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

可参考文档：开始使用_飞桨-源于产业实践的开源深度学习平台；文档中包含了PaddlePaddle的各类安装方式。

2. 安装PaddleOCR

git clone https://gitee.com/paddlepaddle/PaddleOCR
cd PaddleOCR
pip3 install -r requirements.txt

可参考文档：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
PaddleOCR 服务化部署(基于PaddleHub Serving)
我的部落格
06-05 3987
最近用到百度飞桨的 PaddleOCR，研究了一下PaddleOCR的服务化部署，简单记录一些部署过程和碰到的问题。
基于PaddleHub Serving三步快速部署树莓派实时人脸检测服务
我的博客
08-19 1126
树莓派部署人脸检测受限于其性能，很多模型要不算子有问题，要不fps极低，而且对于很多人PaddleLite源码编译就是一个大问题，耗时耗力。因此萌发了仅将树莓派作为客户端，仅作为图像传输，数据接受作用，而将模型前向推断让服务器来干，这样不但无所谓树莓派性能，而且可以对客户端不受限制，无需繁琐框架编译，仅需requests这一HTTP客户端即可，以此类推，部署到任何环境。 1.服务器安装PaddleHub并下载模型 # 默认安装CPU版本，安装paddle时建议使用百度源 !pip install pa
PaddleOCR服务部署-并通过Java进行调用
热门推荐
f2315895270的博客
12-02 1万+
PaddleOCR服务部署-并通过Java进行调用
Paddle Serving|部署一个自己的OCR识别服务器
最新发布
qq_29676069的博客
05-02 1498
本文主要简要记录了PaddleServing项目的部署过程，旨在帮助读者快速了解如何搭建和配置PaddleServing服务。PaddleServing是一个基于PaddlePaddle的高效推理服务框架，能够帮助用户便捷地将训练好的模型部署为可供实时预测的服务。本文将详细介绍部署过程的步骤，包括环境配置、服务启动、模型加载以及API调用等方面的内容。
百度AI攻略：paddlehub人脸检测
01-06 1487
PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。 本次介绍如何使用paddlehub实现人脸检测。 模型概述 Ultra-Light-Fast-Generic-Face-Detector-1MB是针对边缘计算设备或低算...
[paddleocr]ppstructure基于PaddleHub Serving的服务部署
futureflsl的博客
06-24 1505
如果需要修改服务逻辑，一般需要操作以下步骤（以修改为例）：停止服务：到下的module.py和params.py等文件中根据实际需求修改代码。例如，如果需要替换部署服务所用模型，则需要到params.py中修改模型路径参数和，如果需要关闭文本方向分类器，则将参数置为False当然，同时可能还需要修改其他相关参数，请根据实际情况修改调试。强烈建议修改后先直接运行module.py调试，能正确运行预测后再启动服务测试。PPOCR-v3识别模型使用的图片输入shape为3,48,320,因此需要修改。
PaddleOCR基于PaddleHub Serving的服务部署(docker环境)
进击的豌豆的博客
12-30 9549
1 运行环境准备 推荐环境： PaddlePaddle >= 2.0.0 (2.1.2) python3.7 glibc 2.23 CUDA10.1 / CUDA10.2 CUDNN 7.6 CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽
PaddleOCR基于PaddleServing的在线服务化部署
weixin_46764753的博客
11-10 2501
使用paddlepaddle需要先安装python环境，可以通过anaconda一键安装python环境 anaconda下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?使用PaddleServing做服务化部署时，需要将保存的inference模型转换为serving易于部署的模型。调整 config.yml 中的并发个数获得最大的QPS, 一般检测和识别的并发数为2：1。基于PaddleServing的部署：代码路径为"
Windows下使用PaddleHub Serving部署基于paddlepaddle-gpu的表格识别提取
zhoushanmin的博客
09-19 559
CUDA 11.8 CUDNN zlibwapi官方文档 安装PaddleHub Serving 安装paddleocr 安装CUDA 11.8 点击上方链接下载CUDA 11.8，傻瓜式安装点击上方链接下载CUDNN 8.6.0，解压后将bin、include、lib文件夹复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 下，在系统环境变量中添加如下变量 在用户变量中设置（后续启动服务之前需要配置），指的是使用GPU的哪个索引号
Linux_aarch64系统PaddleOCR基于PaddleHub Serving的离线服务部署
weixin_46764753的博客
01-17 810
适用于：linux操作系统-arm架构环境要求：glibc版本 > 2.26。
PaddleHub：自定义Module的Serveing
xu.hyj
01-19 2807
0. 提要1. 客服端请求1.1 图片转base641.2 求任务的构建2. 服务端的解析3. 启动服务 0. 提要 serving涉及到的主要是以base64请求服务器和服务器解码base64所产生的问题 PaddleHub自定义Module 1. 客服端请求 客户端请求主要完成图片转base64，以及请求任务的构建 1.1 图片转base64 关于图片转base64在python：base64与图片的互转的文章中有所描述，但是该文章中是将图片转为base64，默认是”bytes“类型，但是对于服务器请.
飞桨端到端预训练模型与迁移学习工具-PaddleHub.pdf
12-01
飞桨端到端预训练模型与迁移学习工具PaddleHub 大纲 1.PaddleHub整体介绍 2.模型即软件 3.PaddleHub迁移学习 4.Hub Serving
PaddleHub Serving模型一键服务部署
qq_15821487的博客
04-01 3587
https://my.oschina.net/u/4067628/blog/3186505 简介 为什么使用一键服务部署 使用PaddleHub能够快速进行模型预测，但开发者常面临本地预测过程迁移线上的需求。无论是对外开放服务端口，还是在局域网中搭建预测服务，都需要PaddleHub具有快速部署模型预测服务的能力。在这个背景下，模型一键服务部署工具——PaddleHub Serving应运而生。开发者通过一行命令即可快速启动一个模型预测在线服务，而无需关注网络框架选择和实现。 下载安装命令 CPU版本安装命
paddle v4 hubserving 部署
every place is the center of the universe
01-03 1182
（异步与非异步结果差不多）
Ubuntu 14.04：PaddleOCR基于PaddleHub Serving的服务部署（失败）
djj1015591892的博客
03-13 1666
在使用Paddle Serving之前，需要完成如下任务：（1）安装python 3.8具体安装方法请参见（2）安装paddlepaddle 2.0.0具体安装方法请参见​。
一行命令启动，十分钟内完成部署，Paddle Serving开放模型即服务功能
PaddlePaddle
04-10 3340
百度飞桨的 Paddle Serving 能够实现服务器端快速部署，最近，随着飞桨更新到 1.7 版本，Paddle Serving 也有了新变化。更新后的 Paddle Servin...
从零开始-paddleocr的hubserving部署及接口模拟验证(conda部署）
WordCS的博客
06-27 3894
百度的paddleocr模型经过几次迭代，经过测试，最新的模型文件体积小，中文本识别效果较好，对手写汉字也有不错的识别率。本文主要内容包括使用conda环境，paddleocr的GPU版 hubserving的部署方式以及接口模拟测试验证。一些坑和注意事项写在Tips中。
PaddleOCR基于PaddleHub Serving的在线服务部署
weixin_46764753的博客
11-10 1657
paddle是2.5.1 gpu，Linux运行时cannot import name 'RNNCell' from 'paddle.fluid.layers'，这是因为2.5.0后没有fluid了，这时不用降版本（因为我将版本后出现了另一个错误，这时只需要把/root/anaconda3/envs/paddle_env/lib/python3.8/site-packages/paddlehub/compat/task/text_generation_task.py这个文件。：可视化结果保存路径，默认为。
Linux安装paddleHub、paddleX的详细步骤，预测模型快速部署
weixin_45943355的博客
08-04 3455
借助PaddleHub-Serving，可以将PaddleX的Inference Model进行快速部署，以提供在线预测的能力。现在我们开始来安装paddlepaddle、paddleX、paddleHub。
[root@host-192-168-0-25 ocr_docker]# docker run -d --name ocr_service --network zjck-net -p 8866:8866 -e HUB_HOME=/data/paddlehub/modules -e WORKERS=1 -e THREADS=2 paddle_ocr:1.0 hub serving start --modules chinese_ocr_db_crnn_server --port 8866 --use_multiprocess --timeout 600 bd9619a87fd87ff3dd36755cc4c1d3241142c21a3f4d8541189e86ca21d161c0 [root@host-192-168-0-25 ocr_docker]# docker logs ocr_service usage: hub serving hub serving: error: unrecognized arguments: --timeout 600 serving <option> Manage PaddleHub Serving. sub command: 1. start Start PaddleHub Serving. 2. stop Stop PaddleHub Serving. 3. start bert_service Start Bert Service.
04-03
<think>嗯，用户提供的命令运行Docker容器时遇到了错误，需要分析原因。首先，用户执行了docker run命令，启动名为ocr_service的容器，镜像用的是paddle_ocr:1.0。命令中传递了一些环境变量，比如HUB_HOME、WORKERS、THREADS，然后在启动命令部分用了hub serving start，后面跟着模块参数chinese_ocr_db_crnn_server，指定了端口、使用多进程和超时时间600秒。但是容器启动后，查看日志发现报错：unrecognized arguments: --timeout 600，说明这个参数不被识别。 接下来，我需要确认PaddleHub Serving的start命令支持的参数。根据用户提供的docker logs输出，显示serving子命令的用法，其中start的选项里并没有提到--timeout参数。用户可能混淆了不同版本的参数，或者文档中未更新导致使用了不支持的选项。另外，用户还使用了--use_multiprocess，这个参数可能需要检查是否有效。 解决办法应该是去掉--timeout 600参数，或者确认该参数的正确性。同时，检查PaddleHub的版本，确保使用的参数与版本兼容。可能用户参考的文档或教程中的参数已经过时，或者该版本不支持超时设置。另外，需要验证其他参数是否正确，比如--modules是否正确指定了模块名称，端口是否被占用，网络配置是否正确等。 最后，建议用户修改命令，移除--timeout参数，再运行容器看是否正常启动。如果仍然有问题，可能需要进一步检查环境变量设置和模块配置是否正确，或者查看更详细的日志输出以定位问题。</think>好的，让我们逐步分析您执行的 Docker 命令及遇到的错误： ### 原命令解析 ```bash docker run -d --name ocr_service \ --network zjck-net \ -p 8866:8866 \ -e HUB_HOME=/data/paddlehub/modules \ -e WORKERS=1 \ -e THREADS=2 \ paddle_ocr:1.0 \ hub serving start --modules chinese_ocr_db_crnn_server \ --port 8866 \ --use_multiprocess \ --timeout 600 ``` ### 错误分析 ``` usage: hub serving hub serving: error: unrecognized arguments: --timeout 600 ``` 错误显示 `--timeout 600` 是未被识别的参数，说明当前版本的 PaddleHub Serving 不支持该参数。 --- ### 原因排查 1. **参数兼容性问题** PaddleHub 不同版本对 Serving 参数的支持可能有差异，查看文档发现： - 官方最新版支持 `--timeout` 参数（单位：秒） - 但您的镜像 `paddle_ocr:1.0` 可能基于旧版 PaddleHub，未实现该参数 2. **参数优先级问题** Docker 命令中 `--port 8866` 与容器映射端口 `-p 8866:8866` 需保持一致，此处配置正确。 --- ### 解决方案 #### 方法 1：移除不支持的参数 ```bash docker run -d --name ocr_service \ --network zjck-net \ -p 8866:8866 \ -e HUB_HOME=/data/paddlehub/modules \ -e WORKERS=1 \ -e THREADS=2 \ paddle_ocr:1.0 \ hub serving start --modules chinese_ocr_db_crnn_server \ --port 8866 \ --use_multiprocess ``` #### 方法 2：升级镜像版本 联系镜像提供方确认： 1. 镜像是否基于 PaddleHub >= 2.0 2. 是否已内置中文字体支持（避免 OCR 识别乱码） --- ### 关键参数说明 | 参数 | 作用 | |------|-----| | `-e WORKERS=1` | 进程数（CPU 密集型建议设为 CPU 核数） | | `-e THREADS=2` | 单进程线程数（IO 密集型可增加） | | `--use_multiprocess` | 启用多进程模式（需与 WORKERS 配合） | --- ### 验证服务状态 ```bash # 查看容器日志（去掉 -f 可仅显示历史日志） docker logs -f ocr_service # 测试 API 调用 curl -X POST http://localhost:8866/predict/ocr_system \ -H "Content-Type: application/json" \ -d '{"images": ["https://example.com/test.jpg"]}' ``` 如果仍有问题，建议检查： 1. 镜像内 `/data/paddlehub/modules` 目录是否可写 2. 宿主机是否开放 8866 端口 3. 网络 `zjck-net` 是否存在且配置正确
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

面朝大海，春不暖，花不开

您的鼓励是我最大的创造动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值