最近在折腾使用paddle识别繁体中文，记录一下基于官网hubserving进行服务端部署。

前期准备

1. paddleocr 的git仓库先clone下来，后续的操作基本都基于此。

git clone git@github.com:PaddlePaddle/PaddleOCR.git

2. 准备我们训练好的推理文件，也可以直接从官网下载：官网模型

红框中的是我们后面会用到的信息。inference_model的链接是官方推理model，下载下来。
下载后解压后理论上有三个文件：
我们可以直接放在刚clone下来的paddleOCR的仓库目录下，这里我模型最终的位置：./inference

hubserving部署配置修改

官方已经为我们准备好了相关脚手架，在./deploy/hubserving文件夹中。我们以识别场景为例记录如何部署。

进入./deploy/hubserving/ocr_rec我们有一些配置文件要修改。

建议checkout到新分支修改，容易恢复。这里方便演示直接在release2.5的发布分支修改了。

先是指定模型版本，在module.py文件中，可以指定本次部署模型的名字和版本，这里我们不变用默认的名字ocr_rec和版本1.0.0
接着修改params.py，指定好推理文件的位置和字典的位置，填入前期准备红圈圈住的信息。
最后修改config.json，我们基于cpu，这里把use_gpu置为false。也可以指定是否多核处理和指定子进程数，这里暂时不变。

基于hubserving运行、测试

我们先安装hubserving，基于pip：

# 安装paddlehub  
# paddlehub 需要 python>3.6.2
pip3 install paddlehub==2.1.0 --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple

完成上面步骤的配置，***我们回到git仓库的根目录***，执行下面命令安装：

hub install deploy/hubserving/ocr_rec

没有报错我们就可以运行server端了，hubserving会启动一个http服务在我们指定的端口（config.json），执行下面命令:

hub serving start -c deploy/hubserving/ocr_rec/config.json

顺利的话会看到服务端已经成功启动了。我们接下来测试一下，客户端demo官方也提供了，位置在./tools/test_hubserving.py 我这里准备了一张繁体字的图片，测试一下效果：

这里发现release/2.5分支的test_hubserving.py运行可能会报错No module named ‘attrdict’，我们可以安装一下

 pip3 install attrdict
 python3 test_hubserving.py --server_url http://127.0.0.1:8867/predict/ocr_rec --image_dir ~/Desktop/single.png

~/Desktop/single.png 是我们的图片路径

看test_hubserving.py的实现可以发现本质是发了POST请求，因此可以比较容易的集成到其他系统中。

参考

• paddleocr官方模型
• hubserving README

其他

从hubserving启动的输出可以发现本质是flask，能否直接用于生产环境可能还需要评估。