环境：Mac M1 芯片
1、安装
1.1 安装 Anaconda
Anaconda 安装较为简单，直接在 Anaconda 官网 下载pkg文件，根据向导提示完成安装。
Anaconda 用于搭建 Python 虚拟环境，目的是为了避免与之前环境安装库的版本冲突，另外 paddle 对Python 的版本也是有要求的。
创建并激活虚拟环境：
zs@Mac ~ % conda create -y -n paddle python=3.12
zs@Mac ~ % conda activate paddle
1.2 安装 paddlepaddle
在 官网 获取安装命令：
(paddle) zs@Mac ~ % conda install paddlepaddle==3.0.0b2 -c paddle
验证：
(paddle) zs@Mac ~ % python
>>> import paddle
>>> paddle.utils.run_check()
Running verify PaddlePaddle program ...
I1219 22:02:16.993297 4123495424 interpretercore.cc:237] New Executor is Running.
I1219 22:02:17.038717 4123495424 interpreter_util.cc:518] Standalone Executor is Used.
PaddlePaddle works well on 1 CPU.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.
可能报错：
-
TypeError: __array__(): incompatible function arguments. The following argument types are supportedpaddle与numpy的版本不兼容，通过降低numpy版本解决。
1.3 安装 PaddleOCR
安装：
(paddle) zs@Mac ~ % pip install -i https://pypi.tuna.tsinghua.edu.cn/simple paddleocr --user
安装依赖：先将 项目依赖 拉下来，然后执行以下命令：
(paddle) zs@Mac ~ % pip install -r requirements.txt
2、Paddle 升级
在 官网快速开始界面复制命令，直接执行，pip、conda 等会自动处理依赖关系，并安装或升级到指定的版本。
3、测试
3.1 命令行
paddleocr --image_dir /path/image.jpg
3.2 脚本测试
编写脚本 test.py：
from paddleocr import PaddleOCR# 创建识别器
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
img_path = '../mv/1.jpg'
# 只需运行一次即可下载模型并将其加载到内存中
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):res = result[idx]for line in res:print(line)
终端执行上述脚本：
(paddle) zs@Mac ~ % python test.py
3.3 警告解决
No ccache found
提示在当前环境中没有找到 ccache。ccache 是一个编译缓存工具，可以显著加快重新编译的速度。如果不介意重新编译所有源文件的时间，可以选择忽略这个警告。如果希望提高编译速度，可以按照提示安装 ccache。/opt/anaconda3/envs/paddle/lib/python3.12/site-packages/paddle/utils/cpp_extension/extension_utils.py:686: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.mdwarnings.warn(warning_message)conda install -c conda-forge ccacheSetuptools is replacing distutils
这个警告表示 setuptools 正在替换 distutils，并且在未来这种替换可能会失败，setuptools项目中建议通过更新 setuptools 来解决。/root/miniconda3/envs/PaddleSpeech/lib/python3.9/site-packages/_distutils_hack/__init__.py:30: UserWarning: Setuptools is replacing distutils. Support for replacing an already imported distutils is deprecated. In the future, this condition will fail. Register concerns at https://github.com/pypa/setuptools/issues/new?template=distutils-deprecation.ymlwarnings.warn(python -m pip install --upgrade setuptoolspip is being invoked by an old script wrapper
这个警告表示您正在使用的 pip 是通过一个旧的脚本包装器调用的，这在未来可能会导致问题。建议使用 python -m pip 命令来调用 pip。WARNING: pip is being invoked by an old script wrapper. This will fail in a future version of pip. Please see https://github.com/pypa/pip/issues/5599 for advice on fixing the underlying issue. To avoid this problem you can invoke Python with '-m pip' instead of running pip directly.
5、图片太长导致无法识别
将图片进行裁剪
import osfrom PIL import Imagedef crop_image(path, rows, cols, folder):image = Image.open(path)name, extension = os.path.splitext(os.path.basename(path))width, height = image.sizeimg_width = width // colsimg_height = height // rowsfor row in range(rows):for col in range(cols):box = (col * img_width, row * img_height, (col + 1) * img_width, (row + 1) * img_height)cropped_image = image.crop(box)output_file = f"{folder}/{name}_{row}_{col}{extension}"cropped_image.save(output_file)# 裁剪图像：图片地址、裁剪行数、裁剪列数、裁剪结果保存路径
crop_image("../photo/example.jpg", 3, 1, "../photo")
8、PaddleOCR模型
模型在本地存放默认地址：/Users/zs/.paddleocr/whl
(paddle) zs@Mac ~ % ls /Users/zs/.paddleocr/whl
cls det rec
- det（Detection）：
这个文件夹包含用于文本检测的模型。文本检测是 OCR 流程的第一步，它的目的是在图像中找到文本的位置。 - cls（Classification）：
这个文件夹包含用于文本方向分类的模型（在某些版本的 PaddleOCR 中可能不存在或不是必需的）。文本方向分类用于确定检测到的文本的方向，以便后续能够正确地识别文本内容。 - rec（Recognition）：
这个文件夹包含用于文本识别的模型。文本识别是 OCR 流程的最后一步，它的目的是将检测到的文本图像转换为可编辑的文本内容。
如需更改模型缓存目录，只需设置相应的变量环境即可。
| 默认下载目录 | 设置环境变量 |
|---|---|
| paddlehub | HUB_HOME |
| paddlenlp | PPNLP_HOME |
| paddlespeech | PPSPEECH_HOME |
| paddleaudio | PPAUDIO_HOME |
| paddleocr | PPOCR_HOME |
| paddledetection | PPDETECTION_HOME |
| paddlegan | PPGAN_HOME |
| paddleseg | PPSEG_HOME |
| paddleclas | PPCLAS_HOME |
| paddlerec | PPREC_HOME |
9、PaddleOCR模型推理参数
在使用PaddleOCR进行模型推理时，可以自定义修改参数，来修改模型、数据、预处理、后处理等内容，详细的参数解释如下所示。
9.1 全局信息
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| image_dir | str | 无，必须显式指定 | 图像或者文件夹路径 |
| page_num | int | 0 | 当输入类型为pdf文件时有效，指定预测前面page_num页，默认预测所有页 |
| vis_font_path | str | “./doc/fonts/simfang.ttf” | 用于可视化的字体路径 |
| drop_score | float | 0.5 | 识别得分小于该值的结果会被丢弃，不会作为返回结果 |
| use_pdserving | bool | False | 是否使用Paddle Serving进行预测 |
| warmup | bool | False | 是否开启warmup，在统计预测耗时的时候，可以使用这种方法 |
| draw_img_save_dir | str | “./inference_results” | 系统串联预测OCR结果的保存文件夹 |
| save_crop_res | bool | False | 是否保存OCR的识别文本图像 |
| crop_res_save_dir | str | “./output” | 保存OCR识别出来的文本图像路径 |
| use_mp | bool | False | 是否开启多进程预测 |
| total_process_num | int | 6 | 开启的进程数，use_mp为True时生效 |
| process_id | int | 0 | 当前进程的id号，无需自己修改 |
| benchmark | bool | False | 是否开启benchmark，对预测速度、显存占用等进行统计 |
| save_log_path | str | “./log_output/” | 开启benchmark时，日志结果的保存文件夹 |
| show_log | bool | True | 是否显示预测中的日志信息 |
| use_onnx | bool | False | 是否开启onnx预测 |
9.2 预测引擎相关
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| use_gpu | bool | True | 是否使用GPU进行预测 |
| ir_optim | bool | True | 是否对计算图进行分析与优化，开启后可以加速预测过程 |
| use_tensorrt | bool | False | 是否开启tensorrt |
| min_subgraph_size | int | 15 | tensorrt中最小子图size，当子图的size大于该值时，才会尝试对该子图使用trt engine计算 |
| precision | str | fp32 | 预测的精度，支持fp32, fp16, int8 3种输入 |
| enable_mkldnn | bool | True | 是否开启mkldnn |
| cpu_threads | int | 10 | 开启mkldnn时，cpu预测的线程数 |
9.3 文本检测模型相关
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| det_algorithm | str | “DB” | 文本检测算法名称，目前支持DB, EAST, SAST, PSE, DB++, FCE |
| det_model_dir | str | xx | 检测inference模型路径 |
| det_limit_side_len | int | 960 | 检测的图像边长限制 |
| det_limit_type | str | “max” | 检测的边长限制类型，目前支持min和max，min表示保证图像最短边不小于det_limit_side_len，max表示保证图像最长边不大于det_limit_side_len |
- DB算法相关参数如下:
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| det_db_thresh | float | 0.3 | DB输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点 |
| det_db_box_thresh | float | 0.6 | 检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域 |
| det_db_unclip_ratio | float | 1.5 | Vatti clipping算法的扩张系数，使用该方法对文字区域进行扩张 |
| max_batch_size | int | 10 | 预测的batch size |
| use_dilation | bool | False | 是否对分割结果进行膨胀以获取更优检测效果 |
| det_db_score_mode | str | “fast” | DB的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。 |
- EAST算法相关参数如下:
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| det_east_score_thresh | float | 0.8 | EAST后处理中score map的阈值 |
| det_east_cover_thresh | float | 0.1 | EAST后处理中文本框的平均得分阈值 |
| det_east_nms_thresh | float | 0.2 | EAST后处理中nms的阈值 |
- SAST算法相关参数如下:
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| det_sast_score_thresh | float | 0.5 | SAST后处理中的得分阈值 |
| det_sast_nms_thresh | float | 0.5 | SAST后处理中nms的阈值 |
| det_box_type | str | quad | 是否多边形检测，弯曲文本场景（如Total-Text）设置为’poly’ |
- PSE算法相关参数如下:
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| det_pse_thresh | float | 0.0 | 对输出图做二值化的阈值 |
| det_pse_box_thresh | float | 0.85 | 对box进行过滤的阈值，低于此阈值的丢弃 |
| det_pse_min_area | float | 16 | box的最小面积，低于此阈值的丢弃 |
| det_box_type | str | “quad” | 返回框的类型，quad:四点坐标，poly: 弯曲文本的所有点坐标 |
| det_pse_scale | int | 1 | 输入图像相对于进后处理的图的比例，如640640的图像，网络输出为160160，scale为2的情况下，进后处理的图片shape为320*320。这个值调大可以加快后处理速度，但是会带来精度的下降 |
9.4 文本识别模型相关
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| rec_algorithm | str | “CRNN” | 文本识别算法名称，目前支持CRNN, SRN, RARE, NETR, SAR, ViTSTR, ABINet, VisionLAN, SPIN, RobustScanner, SVTR, SVTR_LCNet |
| rec_model_dir | str | 无，如果使用识别模型，该项是必填项 | 识别inference模型路径 |
| rec_image_shape | str | “3,48,320” | 识别时的图像尺寸 |
| rec_batch_num | int | 6 | 识别的batch size |
| max_text_length | int | 25 | 识别结果最大长度，在SRN中有效 |
| rec_char_dict_path | str | “./ppocr/utils/ppocr_keys_v1.txt” | 识别的字符字典文件 |
| use_space_char | bool | True | 是否包含空格，如果为True，则会在最后字符字典中补充空格字符 |
9.5 端到端文本检测与识别模型相关
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| e2e_algorithm | str | “PGNet” | 端到端算法名称，目前支持PGNet |
| e2e_model_dir | str | 无，如果使用端到端模型，该项是必填项 | 端到端模型inference模型路径 |
| e2e_limit_side_len | int | 768 | 端到端的输入图像边长限制 |
| e2e_limit_type | str | “max” | 端到端的边长限制类型，目前支持min, max，min表示保证图像最短边不小于e2e_limit_side_len，max表示保证图像最长边不大于e2e_limit_side_len |
| e2e_pgnet_score_thresh | float | 0.5 | 端到端得分阈值，小于该阈值的结果会被丢弃 |
| e2e_char_dict_path | str | “./ppocr/utils/ic15_dict.txt” | 识别的字典文件路径 |
| e2e_pgnet_valid_set | str | “totaltext” | 验证集名称，目前支持totaltext, partvgg，不同数据集对应的后处理方式不同，与训练过程保持一致即可 |
| e2e_pgnet_mode | str | “fast” | PGNet的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。 |
9.6 方向分类器模型相关
| 参数名称 | 类型 | 默认值 | 含义 |
|---|---|---|---|
| use_angle_cls | bool | False | 是否使用方向分类器 |
| cls_model_dir | str | 无，如果需要使用，则必须显式指定路径 | 方向分类器inference模型路径 |
| cls_image_shape | str | “3,48,192” | 预测尺度 |
| label_list | list | [‘0’, ‘180’] | class id对应的角度值 |
| cls_batch_num | int | 6 | 方向分类器预测的batch size |
| cls_thresh | float | 0.9 | 预测阈值，模型预测结果为180度，且得分大于该阈值时，认为最终预测结果为180度，需要翻转 |
20、资料
- Paddle官网
- mac m1 m2 安装 paddlepaddle paddleocr库，避坑指南
