---
comments: true
---
PaddleOCR提供2种服务部署方式：
- 基于PaddleHub Serving的部署：代码路径为`./deploy/hubserving`，按照本教程使用；
- 基于PaddleServing的部署：代码路径为`./deploy/pdserving`，使用方法参考[文档](../../ppocr/infer_deploy/paddle_server.md)。
# 基于PaddleHub Serving的服务部署
hubserving服务部署目录下包括文本检测、文本方向分类，文本识别、文本检测+文本方向分类+文本识别3阶段串联，版面分析、表格识别和PP-Structure七种服务包，请根据需求选择相应的服务包进行安装和启动。目录结构如下：
```text linenums="1"
deploy/hubserving/
└─ ocr_cls 文本方向分类模块服务包
└─ ocr_det 文本检测模块服务包
└─ ocr_rec 文本识别模块服务包
└─ ocr_system 文本检测+文本方向分类+文本识别串联服务包
└─ structure_layout 版面分析服务包
└─ structure_table 表格识别服务包
└─ structure_system PP-Structure服务包
└─ kie_ser 关键信息抽取-SER服务包
└─ kie_ser_re 关键信息抽取-SER+RE服务包
```
每个服务包下包含3个文件。以2阶段串联服务包为例，目录如下：
```text linenums="1"
deploy/hubserving/ocr_system/
└─ __init__.py 空文件，必选
└─ config.json 配置文件，可选，使用配置启动服务时作为参数传入
└─ module.py 主模块，必选，包含服务的完整逻辑
└─ params.py 参数文件，必选，包含模型路径、前后处理参数等参数
```
## 1. 近期更新
- 2022.10.09 新增关键信息抽取服务。
- 2022.08.23 新增版面分析服务。
- 2022.05.05 新增PP-OCRv3检测和识别模型。
- 2022.03.30 新增PP-Structure和表格识别两种服务。
## 2. 快速启动服务
以下步骤以检测+识别2阶段串联服务为例，如果只需要检测服务或识别服务，替换相应文件路径即可。
### 2.1 安装PaddleHub
paddlehub 需要 python>3.6.2
```bash linenums="1"
pip3 install paddlehub==2.1.0 --upgrade -i https://mirror.baidu.com/pypi/simple
```
### 2.2 下载推理模型
安装服务模块前，需要准备推理模型并放到正确路径。默认使用的是PP-OCRv3模型，默认模型路径为：
| 模型 | 路径 |
| ------------------- | ------------------------------------------------------ |
| 检测模型 | `./inference/ch_PP-OCRv3_det_infer/` |
| 识别模型 | `./inference/ch_PP-OCRv3_rec_infer/` |
| 方向分类器 | `./inference/ch_ppocr_mobile_v2.0_cls_infer/` |
| 版面分析模型 | `./inference/picodet_lcnet_x1_0_fgd_layout_infer/` |
| 表格结构识别模型 | `./inference/ch_ppstructure_mobile_v2.0_SLANet_infer/` |
| 关键信息抽取SER模型 | `./inference/ser_vi_layoutxlm_xfund_infer/` |
| 关键信息抽取RE模型 | `./inference/re_vi_layoutxlm_xfund_infer/` |
**模型路径可在`params.py`中查看和修改。**
更多模型可以从PaddleOCR提供的模型库[PP-OCR](../../ppocr/model_list.md)和[PP-Structure](../models_list.md)下载，也可以替换成自己训练转换好的模型。
### 2.3 安装服务模块
PaddleOCR提供5种服务模块，根据需要安装所需模块。
在Linux环境（Windows环境请将`/`替换为`\`）下，安装模块命令如下表：
| 服务模块 | 命令 |
| ------------------ | ------------------------------------------------ |
| 检测 | `hub install deploy/hubserving/ocr_det` |
| 分类 | `hub install deploy/hubserving/ocr_cls` |
| 识别 | `hub install deploy/hubserving/ocr_rec` |
| 检测+识别串联 | `hub install deploy/hubserving/ocr_system` |
| 表格识别 | `hub install deploy/hubserving/structure_table` |
| PP-Structure | `hub install deploy/hubserving/structure_system` |
| 版面分析 | `hub install deploy/hubserving/structure_layout` |
| 关键信息抽取SER | `hub install deploy/hubserving/kie_ser` |
| 关键信息抽取SER+RE | `hub install deploy/hubserving/kie_ser_re` |
### 2.4 启动服务
#### 2.4.1. 命令行命令启动（仅支持CPU）
**启动命令：**
```bash linenums="1"
hub serving start --modules Module1==Version1, Module2==Version2, ... \
--port 8866 \
--use_multiprocess \
--workers \
```
**参数：**
| 参数 | 用途 |
| ----- | ---- |
| `--modules`/`-m` | PaddleHub Serving预安装模型，以多个Module==Version键值对的形式列出
**当不指定Version时，默认选择最新版本** |
| `--port`/`-p` | 服务端口，默认为8866 |
| `--use_multiprocess` | 是否启用并发方式，默认为单进程方式，推荐多核CPU机器使用此方式
**Windows操作系统只支持单进程方式** |
| `--workers` | 在并发方式下指定的并发任务数，默认为`2*cpu_count-1`，其中`cpu_count`为CPU核数 |
如启动串联服务：
```bash linenums="1"
hub serving start -m ocr_system
```
这样就完成了一个服务化API的部署，使用默认端口号8866。
#### 2.4.2 配置文件启动（支持CPU、GPU）
**启动命令：**
```bash linenums="1"
hub serving start -c config.json
```
其中，`config.json`格式如下：
```json
{
"modules_info": {
"ocr_system": {
"init_args": {
"version": "1.0.0",
"use_gpu": true
},
"predict_args": {
}
}
},
"port": 8868,
"use_multiprocess": false,
"workers": 2
}
```
- `init_args`中的可配参数与`module.py`中的`_initialize`函数接口一致。
**当`use_gpu`为`true`时，表示使用GPU启动服务。**
- `predict_args`中的可配参数与`module.py`中的`predict`函数接口一致。
**注意：**
- 使用配置文件启动服务时，其他参数会被忽略。
- 如果使用GPU预测(即，`use_gpu`置为`true`)，则需要在启动服务之前，设置CUDA_VISIBLE_DEVICES环境变量，如：
```bash linenums="1"
export CUDA_VISIBLE_DEVICES=0
```
- **`use_gpu`不可与`use_multiprocess`同时为`true`**。
如，使用GPU 3号卡启动串联服务：
```bash linenums="1"
export CUDA_VISIBLE_DEVICES=3
hub serving start -c deploy/hubserving/ocr_system/config.json
```
## 3. 发送预测请求
配置好服务端，可使用以下命令发送预测请求，获取预测结果：
```bash linenums="1"
python tools/test_hubserving.py --server_url=server_url --image_dir=image_path
```
需要给脚本传递2个参数：
- `server_url`：服务地址，格式为`http://[ip_address]:[port]/predict/[module_name]`
例如，如果使用配置文件启动分类，检测、识别，检测+分类+识别3阶段，表格识别和PP-Structure服务
并为每个服务修改了port，那么发送请求的url将分别是：
```text linenums="1"
http://127.0.0.1:8865/predict/ocr_det
http://127.0.0.1:8866/predict/ocr_cls
http://127.0.0.1:8867/predict/ocr_rec
http://127.0.0.1:8868/predict/ocr_system
http://127.0.0.1:8869/predict/structure_table
http://127.0.0.1:8870/predict/structure_system
http://127.0.0.1:8870/predict/structure_layout
http://127.0.0.1:8871/predict/kie_ser
http://127.0.0.1:8872/predict/kie_ser_re
```
- `image_dir`：测试图像路径，可以是单张图片路径，也可以是图像集合目录路径
- `visualize`：是否可视化结果，默认为False
- `output`：可视化结果保存路径，默认为`./hubserving_result`
访问示例：
```bash linenums="1"
python tools/test_hubserving.py --server_url=http://127.0.0.1:8868/predict/ocr_system --image_dir=./doc/imgs/ --visualize=false
```
## 4. 返回结果格式说明
返回结果为列表（list），列表中的每一项为词典（dict），词典一共可能包含3种字段，信息如下：
| 字段名称 | 数据类型 | 意义 |
| ----------- | -------- | ----- |
| angle | str | 文本角度 |
| text | str | 文本内容 |
| confidence | float | 文本识别置信度或文本角度分类置信度 |
| text_region | list | 文本位置坐标 |
| html | str | 表格的html字符串 |
| regions | list | 版面分析+表格识别+OCR的结果，每一项为一个list
包含表示区域坐标的`bbox`，区域类型的`type`和区域结果的`res`三个字段 |
| layout | list | 版面分析的结果，每一项一个dict，包含版面区域坐标的`bbox`，区域类型的`label` |
不同模块返回的字段不同，如，文本识别服务模块返回结果不含`text_region`字段，具体信息如下：
| 字段名/模块名 | ocr_det | ocr_cls | ocr_rec | ocr_system | structure_table | structure_system | structure_layout | kie_ser | kie_re |
| ------------- | ------- | ------- | ------- | ---------- | --------------- | ---------------- | ---------------- | ------- | ------ |
| angle | | ✔ | | ✔ | | | |
| text | | | ✔ | ✔ | | ✔ | | ✔ | ✔ |
| confidence | | ✔ | ✔ | ✔ | | ✔ | | ✔ | ✔ |
| text_region | ✔ | | | ✔ | | ✔ | | ✔ | ✔ |
| html | | | | | ✔ | ✔ | | | |
| regions | | | | | ✔ | ✔ | | | |
| layout | | | | | | | ✔ | | |
| ser_res | | | | | | | | ✔ | |
| re_res | | | | | | | | | ✔ |
**说明：** 如果需要增加、删除、修改返回字段，可在相应模块的`module.py`文件中进行修改，完整流程参考下一节自定义修改服务模块。
## 5. 自定义修改服务模块
如果需要修改服务逻辑，一般需要操作以下步骤（以修改`deploy/hubserving/ocr_system`为例）：
1. 停止服务：
```bash linenums="1"
hub serving stop --port/-p XXXX
```
2. 到`deploy/hubserving/ocr_system`下的`module.py`和`params.py`等文件中根据实际需求修改代码。
例如，如果需要替换部署服务所用模型，则需要到`params.py`中修改模型路径参数`det_model_dir`和`rec_model_dir`，如果需要关闭文本方向分类器，则将参数`use_angle_cls`置为`False`
当然，同时可能还需要修改其他相关参数，请根据实际情况修改调试。
**强烈建议修改后先直接运行`module.py`调试，能正确运行预测后再启动服务测试。**
**注意：** PPOCR-v3识别模型使用的图片输入shape为`3,48,320`,因此需要修改`params.py`中的`cfg.rec_image_shape = "3, 48, 320"`，如果不使用PPOCR-v3识别模型，则无需修改该参数。
3. （可选）如果想要重命名模块需要更改`module.py`文件中的以下行：
- [`from deploy.hubserving.ocr_system.params import read_params`中的`ocr_system`](https://github.com/PaddlePaddle/PaddleOCR/blob/a923f35de57b5e378f8dd16e54d0a3e4f51267fd/deploy/hubserving/ocr_system/module.py#L35)
- [`name="ocr_system",`中的`ocr_system`](https://github.com/PaddlePaddle/PaddleOCR/blob/a923f35de57b5e378f8dd16e54d0a3e4f51267fd/deploy/hubserving/ocr_system/module.py#L39)
4. （可选）可能需要删除`__pycache__`目录以强制刷新CPython缓存：
```bash linenums="1"
find deploy/hubserving/ocr_system -name '__pycache__' -exec rm -r {} \;
```
5. 安装修改后的新服务包：
```bash linenums="1"
hub install deploy/hubserving/ocr_system
```
6. 重新启动服务：
```bash linenums="1"
hub serving start -m ocr_system
```