1 基础知识

1.1 软件简介

PaddleOCR旨在打造一套丰富、领先、实用的OCR工具库
PaddleOCR助力开发者训练出更好的模型，并应用落地

1.2 应用场景

– 金融场景（表单识别、票据识别）
– 工业场景（电表度数识别、车牌识别）
– 教育场景（手写识别、公式识别）
– 医疗场景（化验单识别）

1.3 训练部署

– 训练方式（单机训练、分布式训练、混合精度训练）
– 训练环境（Linux GPU/CPU、Linux DCU、Windows GPU/CPU、macOS）
– 模型压缩（剪枝、量化、蒸馏）
– 推理部署方式（Python/C++推理、Python/C++Serving服务化部署、openCL ARM GPU、Paddle2ONNX、ARM CPU Jetson、Paddle.js、云上飞桨）

1.4 产业级特色模型

1.4.1 PP-OCR（超轻量OCR系统）

– PP-OCRv4,检测+方向分类+识别=14.6M
– 英文数字模型，专注提升纯英文数据场景效果
– 多语言模型，支持韩语、日语、德语、法语等约80种语言

1.4.2 PP-Structure（智能文档分析系统）

– 支持版面分析
– 支持表格识别（含Excel导出）
– 支持关键信息抽取
– 支持版面复原
– 支持PDF转Word

1.4.3 PP-ChatOCR（通用信息提取系统）

– 基于LLMs的信息抽取
– 支持通用信息提取
– 支持指令微调

1.5 前沿算法

– 文本检测（EAST、DB、SAST、PSENet、FCENet等）
– 文本识别（CRNN、SRN、NRTR、SVTR、ABINet等）
– 端到端（PGNet）
– 版面分析（Layoutparser、PP-Picodet）
– 表格识别（TableRec-RARE、TableMaster、SLANet）
– 关键信息抽取（SDMGR、LayoutLM、LayoutLMv2、LayoutXLM、VI-LayoutXLM）

1.6 数据工具

– 半自动标注工具PPOCRLabel
– 数据合成工具Style-Text

1.7 安装要求

1.7.1 操作系统要求

– Windows 7/8/10 专业版/企业版
– Ubuntu 18.04/20.04
– CentOS 7
– MacOS 10.x/11.x/12.x/13.x/14.x
注：操作系统要求是 64 位版本

1.7.2 处理器要求

– 处理器支持 MKL
– 处理器架构是x86_64（或称作x64、Intel 64、AMD64）架构，目前 PaddlePaddle 不支持arm64架构

1.7.3 Python和pip版本要求

– Python 的版本要求 3.8/3.9/3.10/3.11/3.12
– Python 具有 pip, 且 pip 的版本要求 20.2.2+
– Python 和 pip 要求是 64 位版本

2 最佳实践

2.1 系统环境

OS = Oracle Linux 9.x
IP Address = any

2.2 软件环境

2.2.1 安装部署Anaconda

如何安装部署Anaconda3？

请注意，我们部署的是“Anaconda3-2024.10-1-Linux-x86_64.sh”版本，如果你需要国内源，请参阅如下章节，

如何设置国内的Anaconda conda安装源？

2.2.2 创建执行用户并切换

useradd -d /data/python python
su - python

2.3 配置Python虚拟环境

2.3.1 创建python虚拟环境并激活

conda create -n esri_env python=3.9

然后，你可以使用如下命令浏览当前的虚拟环境，

conda env list

可见如下显示，

# conda environments:
#
base                     /usr/anaconda3
esri_env                 /usr/anaconda3/envs/esri_env

如果你要使用该环境，你需要执行激活命令，

conda activate esri_env

如果你需要反向操作，请执行如下命令（可选），

conda deactivate
conda remove -n esri_env --all
conda env list

2.3.2 确认Python版本和系统环境

python -V

可见如下显示，

Python 3.9.20

python3 -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

可见如下显示，

64bit
x86_64

2.3.3 设置安装源（可选）

如果你需要设置国内源或者企业内部源，你可以参阅如下章节，

如何设置国内的Anaconda conda安装源？

2.4 部署paddleocr

2.4.1 安装软件包

conda install esri::paddleocr

2.4.2 确认安装

pip list | egrep "paddlepaddle|paddleocr"

可见如下显示，

paddleocr              2.0.6
paddlepaddle-gpu       2.1.0.post112

注：由于没有GPU硬件环境，后面的测试先跳过。

参阅文档
=====================
https://repo.anaconda.com/
https://anaconda.org/

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/conda/linux-conda.html#anchor-0
https://anaconda.org/esri/paddlepaddle
https://anaconda.org/esri/paddleocr