Windows 系统部署 PaddleOCR —— 基于 EPGF 架构

Windows 系统部署 PaddleOCR ——基于 EPGF 架构

PaddlePaddle/PaddleOCR：将任何 PDF 或图像文档转换为 AI 的结构化数据。一个功能强大、轻量级的 OCR 工具包，可弥合图像/PDF 和 LLM 之间的差距。支持 80+ 语言。

---

---

一、EPGF 架构搭建与 Python 环境准备

【00】EPGF 架构搭建教程之 总揽篇

【收藏级】Windows AI 本地开发「完全体」环境搭建清单

在 EPGF 架构下，推荐使用精简路径和统一管理的多版本 Python 环境。以 Conda 的 Python 3.10 为例，路径结构示例如下：

D:\
└── A\                     # Anaconda 安装根目录├── Library\├── Scripts\└── envs\py310\        # Conda 虚拟环境：Python 3.10└── python.exe     # 解释器路径

此路径将作为后续 PyCharm 和命令行的基础解释器，确保环境可控、可迁移、可复现。

---

---

二、克隆 PaddleOCR 仓库

项目地址：

https://github.com/PaddlePaddle/PaddleOCR

步骤 1：使用 GitHub Desktop 克隆仓库

1. 启动 GitHub Desktop 应用。

2. 点击 Clone a repository → 选择 URL 选项卡。

3. 在输入框中填入：

   • Repository URL：https://github.com/PaddlePaddle/PaddleOCR

   • Local Path：F:\PythonProjects\PaddleOCR

4. 点击 Clone 按钮开始克隆。

Repository URL：https://github.com/PaddlePaddle/PaddleOCR

Local Path：F:\PythonProjects\PaddleOCR

---

步骤 2：等待克隆完成

GitHub Desktop 会显示克隆进度条，等待进度达到 100%。

---

步骤 3：在外部编辑器中打开项目

克隆完成后，在右侧点击 Open in external editor，将项目直接打开到 PyCharm。

---

---

三、在 PyCharm 配置虚拟环境

1. 打开 PyCharm，载入项目 F:\PythonProjects\PaddleOCR。

2. 如果 PyCharm 自动提示创建虚拟环境，检查配置：

   • 位置：F:\PythonProjects\PaddleOCR\.venv

   • 基础解释器：选择 D:\A\envs\py310\python.exe （来源于 EPGF 架构）

   • 依赖文件：requirements.txt

3. 点击 OK，PyCharm 会创建 .venv 并安装依赖。

4. 配置完成后，状态栏应显示解释器：Python 3.10 (.venv)。

建议：即使 Conda 已提供环境，仍使用项目级 .venv，可提高可迁移性。

---

---

四、安装 PaddleOCR 及依赖

在 PyCharm 终端或系统命令行执行：

python -m pip install --upgrade pip setuptools wheel
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simplepip install -r requirements.txt
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

可选：安装 ccache 加速编译
下载安装包：https://github.com/ccache/ccache/releases/tag/v4.12
解压 ccache-4.12-windows-x86_64.zip 并将可执行文件路径加入环境变量。

验证 PaddlePaddle 是否安装成功：

python -c "import paddle; print(paddle.__version__)"

安装 PaddleOCR：

pip install paddleocr

---

---

五、运行测试脚本

在项目根目录创建 run.py，内容如下：

from paddleocr import PaddleOCR# 初始化 PaddleOCR，使用 use_textline_orientation 替代已弃用的 use_angle_cls
ocr = PaddleOCR(use_textline_orientation=True, lang='ch')# 图像路径（请修改为自己的文件路径）
img_path = "E:/Downloads/IndexTTS2_banner.png"# 执行识别
result = ocr.predict(img_path)# 输出结果
for line in result:print(line)

执行：

python run.py

 注意修改成自己的测试图片路径：

# 图像路径
img_path = "E:/Downloads/IndexTTS2_banner.png"

附此次的测试图片：

"E:/Downloads/IndexTTS2_banner.png"

测试图片：“IndexTTS2_banner.png”

---

---

六、验证部署

确保终端输出识别结果，如无报错即部署成功。

---

---

七、运行结果解析与状态说明

运行结果：
（完整示例）

(.venv) F:\PythonProjects\PaddleOCR>python run.py
Creating model: ('PP-LCNet_x1_0_doc_ori', None)
Model files already exist. Using cached files. To redownload, please delete the directory manually: `C:\Users\love\.paddlex\official_models\PP-LCNet_x1_0_doc_ori`.
Creating model: ('UVDoc', None)
Model files already exist. Using cached files. To redownload, please delete the directory manually: `C:\Users\love\.paddlex\official_models\UVDoc`.
Creating model: ('PP-LCNet_x1_0_textline_ori', None)
Model files already exist. Using cached files. To redownload, please delete the directory manually: `C:\Users\love\.paddlex\official_models\PP-LCNet_x1_0_textline_ori`.
Creating model: ('PP-OCRv5_server_det', None)
Model files already exist. Using cached files. To redownload, please delete the directory manually: `C:\Users\love\.paddlex\official_models\PP-OCRv5_server_det`.
Creating model: ('PP-OCRv5_server_rec', None)
Model files already exist. Using cached files. To redownload, please delete the directory manually: `C:\Users\love\.paddlex\official_models\PP-OCRv5_server_rec`.
{'input_path': 'E:/Downloads/IndexTTS2_banner.png', 'page_index': None, 'doc_preprocessor_res': {'input_path': None, 'page_index': None, 'input_img': array([[[ 7, ...,  2],...,[ 8, ...,  1]],...,[[10, ...,  1],...,[10, ...,  1]]], shape=(1080, 3195, 3), dtype=uint8), 'model_settings': {'use_doc_orientation_classify': True, 'use_doc_unwarping': True}, 'angle': 0, 'rot_img': array([[[ 7, ...,  2],...,[ 8, ...,  1]],...,[[10, ...,  1],...,[10, ...,  1]]], shape=(1080, 3195, 3), dtype=uint8), 'output_img': array([[[ 10, ...,   1],...,[ 12, ...,   2]],...,[[104, ...,  37],...,[ 26, ...,   0]]], shape=(1080, 3195, 3), dtype=uint8)}, 'dt_polys': [array([[3027,   31],...,[3028,   73]], shape=(4, 2), dtype=int16), array([[ 92, 368],...,[ 92, 546]], shape=(4, 2), dtype=int16), array([[2147,  379],...,[2147,  523]], shape=(4, 2), dtype=int16), array([[1772,  571],...,[1771,  639]], shape=(4, 2), dtype=int16), array([[2004,  564],...,[2004,  645]], shape=(4, 2), dtype=int16), array([[359, 577],...,[360, 647]], shape=(4, 2), dtype=int16)], 'model_settings': {'use_doc_preprocessor': True, 'use_textline_orientation': True}, 'text_det_params': {'limit_side_len': 64, 'limit_type': 'min', 'thresh': 0.3, 'max_side_limit': 4000, 'box_thresh': 0.6, 'unclip_ratio': 1.5}, 'text_type': 'general', 'text_rec_score_thresh': 0.0, 'return_word_box': False, 'rec_texts': ['bilibili', 'Index TTS2 Official', 'Release', 'Now', 'Generating', 'The Future ofVoice'], 'rec_scores': [0.9994111061096191, 0.9371538758277893, 0.9967735409736633, 0.7368625998497009, 0.986785888671875, 0.9726100564002991], 'rec_polys': [array([[3027,   31],...,[3028,   73]], shape=(4, 2), dtype=int16), array([[ 92, 368],...,[ 92, 546]], shape=(4, 2), dtype=int16), array([[2147,  379],...,[2147,  523]], shape=(4, 2), dtype=int16), array([[1772,  571],...,[1771,  639]], shape=(4, 2), dtype=int16), array([[2004,  564],...,[2004,  645]], shape=(4, 2), dtype=int16), array([[359, 577],...,[360, 647]], shape=(4, 2), dtype=int16)], 'vis_fonts': [<paddlex.utils.fonts.Font object at 0x000002027EEAB880>, <paddlex.utils.fonts.Font object at 0x000002027EEAB880>, <paddlex.utils.fonts.Font object at 0x000002027EEAB880>, <paddlex.utils.fonts.Font object at 0x000002027EEAB880>, <paddlex.utils.fonts.Font object at 0x000002027EEAB880>, <paddlex.utils.fonts.Font object at 0x000002027EEAB880>], 'textline_orientation_angles': [0, 0, 0, 0, 0, 0], 'rec_boxes': array([[3027, ...,   73],...,[ 359, ...,  647]], shape=(6, 4), dtype=int16)}

---

运行结果解析：

（一）模型加载状态

执行 python run.py 后，终端日志显示 5 个核心模型均加载成功，具体信息如下：

• 加载的模型包括：PP-LCNet_x1_0_doc_ori、UVDoc、PP-LCNet_x1_0_textline_ori、PP-OCRv5_server_det、PP-OCRv5_server_rec。
• 加载方式：所有模型均使用本地缓存（日志提示 Model files already exist. Using cached files），未触发重新下载，节省运行时间。
• 缓存路径：当前模型缓存存放于默认路径 C:\Users\love\.paddlex\official_models\（若需迁移至项目内，需按前文「PADDLE_HOME 配置 + 删除旧缓存」步骤操作）。

---

（二）识别结果核心信息解析

终端输出的字典包含图像预处理、文本检测、文字识别全流程数据，核心有效信息整理如下：

1. 基础配置信息

字段	含义
input_path	待识别图像路径：E:/Downloads/IndexTTS2_banner.png
text_type	识别文本类型：general（通用文本，支持中英文等多语言）
text_rec_score_thresh	识别置信度阈值：0.0（当前未过滤低置信度结果，可按需调整）
angle	图像旋转角度：0（图像方向正常，无需旋转矫正）

2. 核心识别结果（文本 + 置信度）

rec_texts（识别文本）与 rec_scores（对应置信度）一一对应，置信度取值范围为 0~1，越接近 1 表示识别越准确：

序号	识别文本	置信度	可信度评价
1	bilibili	0.9994	极高（推荐采纳）
2	Index TTS2 Official	0.9372	高（推荐采纳）
3	Release	0.9968	极高（推荐采纳）
4	Now	0.7369	中等（需核对）
5	Generating	0.9868	极高（推荐采纳）
6	The Future ofVoice	0.9726	极高（推荐采纳）

3. 文本位置信息

rec_polys 字段记录了每个识别文本在图像中的位置坐标（4 个角点，以图像左上角为原点，x 轴向右、y 轴向下），示例如下：

• 文本 “bilibili” 位置：[[3027, 31], [3098, 31], [3098, 73], [3028, 73]]，表示该文本位于图像右上角区域（左上角 x=3027,y=31，右下角 x=3098,y=73）。
• 文本 “Index TTS2 Official” 位置：[[92, 368], [1008, 368], [1008, 546], [92, 546]]，表示该文本位于图像左侧中间区域，占据较大面积。

---

（三）运行状态总结

1. 功能验证：PaddleOCR 文字识别功能完全正常，成功提取图像中的 6 段文本，核心信息（如 “Index TTS2 Official”“The Future ofVoice”）识别准确。
2. 待优化点：模型加载自 C 盘默认缓存路径，未实现项目内自包含（需删除 C 盘 .paddlex 文件夹，并重新配置 PADDLE_HOME = <路径> 环境变量来实现迁移）。
3. 结果可用性：除 “Now”（置信度 0.7369）需人工核对外，其余文本置信度均＞0.9，识别结果具备较高参考价值。
4. 实用价值：有待后续开发演化。

---

---

八、迁移与复现

• 固化依赖状态，传递 requirements 文件实现重现

pip freeze > requirements20250920.txt

• 若不想重新部署，只需拷贝：

F:\PythonProjects\PaddleOCR\

包含 .venv 和 .paddlex 即可在同配置新机零配置运行。

---

---

🔑 核心总结

• py310 仅做工具箱，不做开发

• 项目内 .venv 是唯一开发环境

• 所有依赖、模型、工具链本地化，路径可控

• requirements.txt 保证状态可复现

---