paddlecloud/paddleocr

PaddleOCR

镜像仓库用途

本镜像仓库用于存储飞桨模型套件PaddleOCR的标准镜像，便于用户进行Docker化部署或云上部署。这些镜像由PaddleCloud项目基于Tekton Pipeline自动构建。若需二次开发并持续构建定制镜像，可参考PaddleCloud Tekton文档搭建自己的镜像CI流水线。关于部署的更多内容，可查看云上飞桨项目PaddleCloud。

PaddleCloud优势

PaddleCloud作为支持PaddleOCR部署的工具，主要优势如下：

模型套件Docker镜像资源丰富

提供飞桨模型套件Docker镜像资源，包含运行案例所需的全部依赖，支持持续更新，适配异构硬件环境和常见CUDA版本，开箱即可使用。

云原生功能组件完善

提供丰富的云原生功能组件，包括样本数据缓存、分布式训练、推理服务等，方便用户在Kubernetes集群上快速完成模型训练与部署。

自运维能力强

基于Kubernetes的Operator机制，组件自运维能力强。例如，训练组件支持多种架构模式，具备分布式容错与弹性训练能力；推理服务组件支持自动扩缩容与蓝绿发版。

针对飞桨框架做了定制化优化

除部署便捷和自运维优势外，还针对飞桨框架做了定制化优化。比如通过缓存样本数据加速分布式训练作业，基于飞桨框架与调度器的协同设计提升集群GPU利用率。

安装Docker

使用镜像前需确保环境已安装Docker，若未安装，可参考Docker官方文档。如需使用GPU版本镜像，还需安装NVIDIA驱动及nvidia-docker，具体步骤见NVIDIA官方文档。

快速上手

以下为CPU和GPU版本镜像的使用方法（若不熟悉Docker，建议先阅读Docker基本用法）。

使用CPU版本Docker镜像

以jupyter notebook模式创建容器

bash
docker run --name ppocr -v $PWD:/mnt -p 8888:8888 --shm-size=32g paddlecloud/paddleocr:2.5-cpu-latest 

• --name ppocr：指定容器名称为ppocr
• -v $PWD:/mnt：将当前目录挂载到容器内的/mnt目录（方便文件共享）
• -p 8888:8888：映射容器8888端口到本地8888端口（用于访问jupyter notebook）
• --shm-size=32g：设置共享内存大小为32g（避免内存不足问题）

以bash模式创建容器

bash
docker run --name ppocr -v $PWD:/mnt -p 8888:8888 -it --shm-size=32g paddlecloud/paddleocr:2.5-cpu-latest /bin/bash

• -it：以交互模式运行容器，直接进入bash终端

使用GPU版本Docker镜像

以jupyter模式创建容器

bash
docker run --name ppocr --runtime=nvidia -v $PWD:/mnt -p 8888:8888 --shm-size=32g paddlecloud/paddleocr:2.5-gpu-cuda10.2-cudnn7-latest

• --runtime=nvidia：启用NVIDIA运行时（使容器能调用GPU）

以bash模式创建容器

bash
docker run --name ppocr --runtime=nvidia -v $PWD:/mnt -p 8888:8888 -it --shm-size=32g paddlecloud/paddleocr:2.5-gpu-cuda10.2-cudnn7-latest /bin/bash

进入容器后，即可执行PaddleOCR套件中的案例。

PaddleOCR Docker化部署案例

• PP-OCRv3 训推一体部署实战

镜像版本说明

镜像tag格式为套件代码分支(branch)-环境(cpu/gpu/rocm)-commit_id/latest：

• 分支：对应PaddleOCR的代码分支（如2.5）
• 环境：区分cpu、gpu（含CUDA/CuDNN版本，如gpu-cuda10.2-cudnn7）或rocm
• commit_id/latest：latest为最新发布镜像；特定版本需对应GitHub提交的commit id（取后6位）

建议：无特殊需求时使用latest后缀的最新镜像；需固定版本时，通过commit id匹配对应镜像。

若有建议或问题，可在paddlecloud issue反馈。