从模型到部署：PP-OCRv5_server_rec_onnx全流程开发指南（附代码示例）

从模型到部署：PP-OCRv5_server_rec_onnx全流程开发指南（附代码示例）

PP-OCRv5_server_rec_onnx是飞桨PaddlePaddle推出的高性能OCR识别模型，专为服务器端部署优化，采用ONNX格式确保跨平台兼容性。本文将带您快速掌握从模型获取到实际部署的完整流程，让您轻松实现高效文本识别功能。

一、模型快速上手：3步完成环境准备 🚀

1.1 克隆项目仓库

首先通过Git命令获取项目源码：

git clone https://gitcode.com/paddlepaddle/PP-OCRv5_server_rec_onnx cd PP-OCRv5_server_rec_onnx

1.2 核心文件说明

项目包含三个关键文件，各司其职：

• inference.onnx：模型权重文件，采用ONNX格式确保跨框架兼容性
• inference.yml：模型配置文件，定义预处理、后处理流程及参数
• README.md：项目说明文档（当前版本包含Apache-2.0开源许可信息）

二、配置文件解析：解锁模型参数奥秘 🔍

配置文件inference.yml是模型运行的核心，我们重点关注四个关键部分：

2.1 模型基本信息

Global: model_name: PP-OCRv5_server_rec

model_name字段明确标识当前使用的模型版本，便于后续维护和版本管理。

2.2 后端配置

Hpi: backend_configs: paddle_infer: trt_dynamic_shapes: &id001 x: - [1, 3, 48, 160] - [1, 3, 48, 320] - [8, 3, 48, 3200] tensorrt: dynamic_shapes: *id001

通过backend_configs可配置Paddle Inference和TensorRT后端，支持动态形状输入，满足不同场景需求。其中trt_dynamic_shapes定义了三种输入尺寸，兼顾速度与精度。

2.3 预处理流程

PreProcess: transform_ops: - DecodeImage: channel_first: false img_mode: BGR - MultiLabelEncode: gtc_encode: NRTRLabelEncode - RecResizeImg: image_shape: [3, 48, 320] - KeepKeys: keep_keys: [image, label_ctc, label_gtc, length, valid_ratio]

预处理包含图像解码、标签编码、尺寸调整等步骤，确保输入数据符合模型要求。RecResizeImg将图像统一调整为3×48×320的标准尺寸。

2.4 后处理配置

PostProcess: name: CTCLabelDecode character_dict: - "" - "一" - "乙" - "二" # ... 包含18000+中文字符及符号

CTCLabelDecode负责将模型输出转换为可读文本，内置超大字符集支持，覆盖常用中文、数字及符号。

三、部署实战：5分钟启动OCR服务 ⚡

3.1 安装依赖

使用PIP安装必要的运行库：

pip install onnxruntime paddlepaddle

3.2 简单推理代码示例

以下是使用ONNX Runtime进行推理的基础代码框架：

import onnxruntime as ort import yaml import cv2 import numpy as np # 加载配置文件 with open("inference.yml", "r") as f: config = yaml.safe_load(f) # 初始化ONNX Runtime会话 session = ort.InferenceSession("inference.onnx") # 图像预处理（根据config中的PreProcess配置实现） def preprocess(image_path): img = cv2.imread(image_path) # 实现DecodeImage、RecResizeImg等操作 return processed_img # 推理 def predict(image_path): input_data = preprocess(image_path) input_name = session.get_inputs()[0].name output_name = session.get_outputs()[0].name result = session.run([output_name], {input_name: input_data}) # 后处理（实现CTCLabelDecode） return postprocess(result) # 运行示例 print(predict("test_image.jpg"))

四、常见问题解决 🛠️

4.1 输入尺寸不匹配

若出现"input shape mismatch"错误，请检查预处理步骤是否严格按照RecResizeImg中的image_shape参数（3, 48, 320）调整图像尺寸。

4.2 中文字符识别乱码

确保后处理时正确加载character_dict中的字符集，完整字符集包含在inference.yml文件中，共18426个条目。

五、总结与进阶

PP-OCRv5_server_rec_onnx提供了开箱即用的高性能OCR解决方案，通过本文介绍的步骤，您已掌握模型部署的核心流程。如需进一步优化，可尝试：

• 调整backend_configs使用TensorRT加速
• 根据实际场景修改trt_dynamic_shapes优化输入尺寸
• 扩展character_dict支持特殊领域词汇

现在就动手尝试，体验飞桨OCR带来的高效文本识别能力吧！