跳转网站怎么做,制作一个网站的流程有哪些,学校做安全台账是哪个网站,网站开发硬件环境简介
rapidocr_paddle系列包是基于PaddlePaddle框架作为推理引擎的#xff0c;支持CPU和GPU上推理。值得说明的是#xff0c;这个包和PaddleOCR相比#xff0c;代码基本都是一样的#xff0c;只不过这个库将里面核心推理代码抽了出来#xff0c;更加精简而已。
推荐GPU上…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 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。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_cudaTrue, cls_use_cudaTrue, rec_use_cudaTrue)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 StudioFork 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_onnxruntime1.6505rapidocr_paddle[GPU]0.0508V100 16G
原文链接https://rapidai.github.io/RapidOCRDocs/docs/install_usage/rapidocr_paddle/
