潍坊大型做网站建设的公司深圳网站设计实力乐云seo

简介

rapidocr_paddle系列包是基于PaddlePaddle框架作为推理引擎的，支持CPU和GPU上推理。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。

推荐GPU上用这个，CPU端还是以rapidocr_onnxruntime和rapidocr_openvino为主。毕竟PaddlePaddle的CPU端还是比较重的。

封装这个包的原因是为了弥补GPU端推理的空缺。因为面对成千上万的图像需要提取文字时，CPU端上推理速度还是较慢，不能满足需求。

安装

1. 根据自己需求，先安装 PaddlePaddle 框架（CPU/GPU），并验证，参见: 官方教程，注意验证是否安装成功：

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

2. 安装rapidocr_paddle

   pip install rapidocr_paddle
   

使用

CPU 端推理

前提是安装了 CPU 版的 PaddlePaddle

import cv2from rapidocr_paddle import RapidOCRengine = RapidOCR()
image_path = "tests/test_files/ch_en_num.jpg"
result, elapse_list = engine(image_path)print(result)
print(elapse_list)

GPU 端推理

前提是安装了 GPU 版的 PaddlePaddle，注意在实例化RapidOCR类时，需要通过参数显式指定使用 GPU。

import cv2from 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。

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)	备注
rapidocr_onnxruntime	1.6505
rapidocr_paddle[GPU]	0.0508	V100 16G

原文链接：https://rapidai.github.io/RapidOCRDocs/docs/install_usage/rapidocr_paddle/