paddleOCR服务端安装部署二：paddleOCR hubserving 服务安装配置

intro

PaddleOCR提供2种服务部署方式：

• 基于PaddleHub Serving的部署：代码路径为"PaddleOCR/deploy/hubservingg" 已集成到PaddleOCR中（code）
• 基于PaddleServing的部署：代码路径为"./deploy/pdserving" 详见PaddleServing官网demo, 尚未集成到PaddleOCR。

我们这里用的就是第一种HubServing啦~

当前用户在训练出一个可用的模型后，可以选择如下四种部署应用方式：

1. 服务器端高性能部署：将模型部署在服务器上，利用服务器的高性能帮助用户处理推理业务
2. 模型服务化部署：将模型以线上服务的形式部署在服务器或云端，用户通过客户端请求发送需要推理的输入内容，服务器或者云通过相应报文将推理结果返回给用户（paddle serving）
3. 移动端部署：将模型部署在移动端上，例如手机/物联网的嵌入式端
4. Web端部署：将模型部署在网页上，用户通过网页完成推理业务

Paddle Serving作为paddlepaddle开源的在线服务框架

服务部署下包括 检测、识别、检测+识别串联 三种服务包，根据需求选择相应的服务包进行安装和启动

deploy/hubserving/
└─  ocr_det     检测模块服务包
└─  ocr_rec     识别模块服务包
└─  ocr_system  检测+识别串联服务包   <==== 我们直接这个，包括先检测然后识别

每个服务包下包含3个文件。以检测+识别串联 目录为例，目录如下：

deploy/hubserving/ocr_system/
└─  __init__.py    空文件，必选
└─  config.json    配置文件，可选，使用配置启动服务时作为参数传入
└─module.py      主模块，必选，包含服务的完整逻辑
└─params.py      参数文件，必选，包含模型路径、前后处理参数等参数

具体步骤（ocr_system 检测+识别串联）

1. 准备环境