CentOS 7.6 环境下基于 Docker 部署 PaddleOCR 源码的实践指南

news/2025/10/15 3:09:02/文章来源:https://www.cnblogs.com/zhixiaolo/p/19142443

本文系统梳理了在 CentOS 7.6 操作系统环境中，通过 Docker 容器化方案部署 PaddleOCR 源码的全过程，涵盖环境准备、容器配置、源码部署、镜像构建及功能验证等核心环节，为工程实践提供详细操作指引。

系统环境初始化

PaddleOCR 官方推荐运行环境要求 PaddlePaddle 版本≥2.1.2，Python 3.7 及以上，如启用 GPU 支持则需匹配 CUDA10.1/CUDA10.2 与 CUDNN 7.6。在 CentOS 7.6 环境部署前，需优先完成 Docker 运行环境的标准化配置。

首先进行 yum 源优化配置，提升后续软件安装效率：

bash

cd /etc/yum.repos.d/ mv CentOS-Base.repo CentOS-Base.repo_bak

采用阿里云镜像源并重建缓存：

bash

wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo yum clean all && yum makecache

Docker 安装过程中，针对常见的 "yum-config-manager: command not found" 错误，需预先安装依赖工具：

bash

yum install -y yum-utils yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo yum install docker-ce -y

完成基础安装后，配置 Docker 服务自启动：

bash

systemctl start docker systemctl enable docker

通过docker -v命令验证环境，显示版本信息即表明 Docker 基础环境配置完成。

容器环境配置策略

选择百度官方 PaddlePaddle 镜像作为基础环境，确保兼容性：

bash

docker pull registry.baidubce.com/paddlepaddle/paddle:2.5.2

通过本地镜像列表确认下载状态：

bash

docker images

创建容器时实施端口映射与数据卷挂载，构建开发操作环境：

bash

docker run -it --name ppocr -p 8010:8010 -v /home/ocr/data:/data registry.baidubce.com/paddlepaddle/paddle:2.5.2 /bin/bash

参数说明：-p 实现宿主机与容器端口映射，-v 建立数据目录挂载，--name 指定容器标识。

进入容器环境验证 Python 运行环境：

bash

docker exec -it ppocr /bin/bash python3 --version pip3 --version

需确保 Python 版本≥3.8 且 pip 工具正常，为后续依赖安装奠定基础。

源码获取与环境适配

采用 git 工具获取 PaddleOCR 官方源码：

bash

git clone https://github.com/PaddlePaddle/PaddleOCR.git cd PaddleOCR

针对网络访问限制，可使用 Gitee 镜像仓库：

bash

git clone https://gitee.com/paddlepaddle/PaddleOCR.git

进入项目根目录后，重点关注 requirements.txt 文件中的依赖声明，核心包括 paddlepaddle、paddleocr、opencv-python 等组件，建议提前梳理版本兼容性要求。

定制化 Dockerfile 构建

在项目根目录创建定制化 Dockerfile，基础结构如下：

dockerfile

FROM registry.baidubce.com/paddlepaddle/paddle:2.5.2 WORKDIR /data/project/ COPY . /data/project/

配置系统时区同步：

dockerfile

RUN rm -f /etc/localtime RUN ln -s /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' > /etc/timezone

采用国内源加速依赖安装并解决版本冲突：

dockerfile

RUN pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple RUN pip install --upgrade astroid==2.11.7 -i https://pypi.tuna.tsinghua.edu.cn/simple RUN pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

特别注意 astroid 库需升级至 2.11.7 版本，以解决官方镜像中的依赖兼容性问题。

设置容器启动执行命令：

dockerfile

CMD ["python3", "tools/infer/predict_system.py", "--image_dir", "/data/test.jpg", "--det_model_dir", "./inference/ch_ppocr_mobile_v2.0_det_infer/", "--rec_model_dir", "./inference/ch_ppocr_mobile_v2.0_rec_infer/", "--cls_model_dir", "./inference/ch_ppocr_mobile_v2.0_cls_infer/"]

镜像构建优化

在 Dockerfile 所在目录执行镜像构建命令：

bash

docker build -t paddleocr:v1 .

参数说明：-t 指定镜像命名及版本标签，当前目录作为构建上下文。

构建过程中需监控依赖包安装进度，网络异常时可重试或切换备用镜像源。构建完成后通过docker images命令确认镜像生成状态。

服务容器化部署

启动自定义镜像容器并配置数据挂载：

bash

docker run -d --name ocr_service -p 8010:8010 -v /home/ocr/test:/data paddleocr:v1

参数说明：-d 实现后台运行，-v 挂载本地测试目录至容器 /data 路径。

检查容器运行状态：

bash

docker ps

若状态显示为 Up 则表明服务正常启动，可通过日志排查启动问题：

bash

docker logs ocr_service

功能验证方案

在本地挂载目录 (/home/ocr/test) 放置测试图片，执行容器内预测命令：

bash

docker exec -it ocr_service python3 tools/infer/predict_system.py --image_dir /data/test.jpg

验证输出结果应包含识别文本内容及对应置信度数值。也可通过构建 Flask 接口进行服务化测试：

python

# 简化版服务接口示例 from flask import Flask, request from paddleocr import PaddleOCR app = Flask(__name__) ocr = PaddleOCR() @app.route('/ocr', methods=['POST']) def ocr_recognize(): img = request.files['image'].read() result = ocr.ocr(img) return str(result) if __name__ == '__main__': app.run(host='0.0.0.0', port=8010)

xiaoshayukeji.cn
www.czbojun.cn
www.fsfanx.com
www.bifang.art
www.womaiyj.com
www.shenchaojie.com

部署接口服务后，可通过 Postman 等工具发送图片请求验证服务响应。