Ubuntu 14.04:PaddleOCR基于PaddleHub Serving的服务部署(失败)

news2025/1/15 6:21:28

目录

一、为什么使用一键服务部署

二、安装 paddlehub 1.8

2.1 安装前的环境准备

2.2 安装paddlehub 1.8 

2.2.1 安装paddlehub

2.2.2 检测安装是否成功

2.2.3 检查本地与远端PaddleHub-Server的连接状态

2.2.4 测试使用

2.3 其他

2.3.1 如何卸载、pip常用命令、常见问题

2.3.2 PaddleHub命令行工具

三、基于PaddleHub Serving的服务部署(失败)

异常:ImportError: dlopen: cannot load any more object with static TLS


一、为什么使用一键服务部署

使用PaddleHub能够快速进行模型预测,但开发者常面临本地预测过程迁移线上的需求。无论是对外开放服务端口,还是在局域网中搭建预测服务,都需要PaddleHub具有快速部署模型预测服务的能力。在这个背景下,模型一键服务部署工具——PaddleHub Serving应运而生。开发者通过一行命令即可快速启动一个模型预测在线服务,而无需关注网络框架选择和实现。

二、安装 paddlehub 1.8

2.1 安装前的环境准备

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/installation.md


 

(1)安装python 3.8 

具体安装方法请参见 【ubuntu】安装 Anaconda3-CSDN博客


(2)安装paddlepaddle 2.0.0

具体安装方法请参见 Ubuntu 14.04:安装PaddlePaddle(Conda安装)-CSDN博客 

(3)安装PaddleOCR 2.3

具体安装方法请参见 Ubuntu 14.04:安装 PaddleOCR 2.3-CSDN博客


2.2 安装paddlehub 1.8 

参考资料:

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/install.md

2.2.1 安装paddlehub

注:此处需要进入paddlepaddle所在的Anaconda虚拟环境,那里面才有pip3。

# 先进入PaddlePaddle所在的Anaconda虚拟环境:conda activate {paddle_env}。

# 安装指定版本(==1.8.0表示PaddleHub的版本),使用清华源

#

pip3 install paddlehub==1.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

最后出现 Successfully installed paddlehub-1.8.0 ,表示安装成功。

2.2.2 检测安装是否成功

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/install.md

# 先进入PaddlePaddle所在的Anaconda虚拟环境:conda activate {paddle_env}。

# 查看 paddlehub 版本

pip list | grep paddlehub

# 先进入PaddlePaddle所在的Anaconda虚拟环境:conda activate {paddle_env}。

# 查看PaddleHub详细信息

pip show paddlehub

2.2.3 检查本地与远端PaddleHub-Server的连接状态

# 先进入PaddlePaddle所在的Anaconda虚拟环境:conda activate {paddle_env}。

python3

import paddlehub

# 如果可以连接远端PaddleHub-Server,则显示Request Hub-Server successfully。
# 如果无法连接远端PaddleHub-Server,则显示Request Hub-Server unsuccessfully。

paddlehub.server_check()

2.2.4 测试使用

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/quickstart.md

(1)结果:成功

hub run senta_bilstm --input_text "今天天气真好"

(2)结果:失败

# 注意:False 第一个字母必须大写哦!

hub run chinese_ocr_db_crnn_server --input_path /home/wuhuaxu/identity_ch.png --visualization=False --use_gpu=False
 

异常:Segmentation fault (core dumped)

注:20240313 暂时没找到解决的方法

2.3 其他

2.3.1 如何卸载、pip常用命令、常见问题

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/install.md

2.3.2 PaddleHub命令行工具

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/tutorial/cmdintro.md

三、基于PaddleHub Serving的服务部署(失败)

deploy/hubserving/readme.md · PaddlePaddle/PaddleOCR - Gitee.com

https://github.com/PaddlePaddle/PaddleHub/blob/release/v1.8/docs/tutorial/serving.md

异常:ImportError: dlopen: cannot load any more object with static TLS

# 先进入PaddlePaddle所在的Anaconda虚拟环境:conda activate {paddle_env}。

# 然后在 /home/xxx/workspace/PaddleOCR-release-2.3 执行下面的命令

hub install deploy/hubserving/ocr_system/

异常  

File "/home/wuhuaxu/workspace/anaconda3/envs/paddle_env/lib/python3.8/site-packages/skimage/__init__.py", line 122, in <module>
    _raise_build_error(e)
  File "/home/wuhuaxu/workspace/anaconda3/envs/paddle_env/lib/python3.8/site-packages/skimage/__init__.py", line 100, in _raise_build_error
    raise ImportError("""%s
ImportError: dlopen: cannot load any more object with static TLS
It seems that scikit-image has not been built correctly.

Your install of scikit-image appears to be broken.
Try re-installing the package following the instructions at:
https://scikit-image.org/docs/stable/install.html 
 

娟娟:20240313 此处操作未完成,待后期再处理

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1513870.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

WRF模型运行教程(ububtu系统)--II.ARWpost安装

一、ARWpost简介 ARWpost 是一个把 WRF 结果转为 GrADS 或 Vis5D 可以辨识的数据格式的软件&#xff0c;就是WRF运行结束以后&#xff0c;把WRF的结果变成咱们平时比较常用的数据格式。 二、下载和安装ARWpos_V3 1.ARWpos_V3安装前准备 # 进入Build_WRF文件夹 cd Build_WRF …

代码随想录刷题笔记-Day33

1. 跳跃游戏 55. 跳跃游戏https://leetcode.cn/problems/jump-game/ 给你一个非负整数数组 nums &#xff0c;你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。 判断你是否能够到达最后一个下标&#xff0c;如果可以&#xff0c;返回 tru…

【海贼王的数据航海】排序——概念|直接插入排序|希尔排序

目录 1 -> 排序的概念及其运用 1.1 -> 排序的概念 1.2 -> 常见的排序算法 2 -> 插入排序 2.1 -> 基本思想 2.2 -> 直接插入排序 2.2.1 -> 代码实现 2.3 -> 希尔排序(缩小增量排序) 2.3.1 -> 代码实现 1 -> 排序的概念及其运用 1.1 -&g…

【数字调制】OQPSK调制与解调【附MATLAB代码】

文章来源&#xff1a;微信公众号&#xff1a;EW Frontier 关注可了解更多的雷达、通信、人工智能相关代码。 QPSK信号 QPSK信号与BPSK信号的调制方法相同&#xff0c;仅调制阶数不同&#xff0c;其表达式为&#xff1a; 上式中分别表示I、Q两路的基带信息序列&#xff0c;取值…

Xcode remove the package dependency

Xcode Version 15.2 (15C500b) &#x1f914;️ 想知道直接右键&#xff0c;这个 Delete 为什么是禁用状态 推荐一下刚上线的 App 熊猫小账本&#xff0c;里面有用到这篇博客讲的内容 熊猫小账本 一个简洁的记账 App&#xff0c;用于记录日常消费开支收入&#xff0c;使用 iCl…

Pulsar消息路由深入剖析

一、概述 大数据背景下&#xff0c;分区应该是所有组件必备的基本条件&#xff0c;否则面对海量数据时无论是计算还是存储都容易遇到瓶颈。跟其他消息系统一样&#xff0c;Pulsar通过Topic将消息数据进行业务层面划分管理&#xff0c;同时也支持Topic分区&#xff0c;通过将多…

挑战杯 多目标跟踪算法 实时检测 - opencv 深度学习 机器视觉

文章目录 0 前言2 先上成果3 多目标跟踪的两种方法3.1 方法13.2 方法2 4 Tracking By Detecting的跟踪过程4.1 存在的问题4.2 基于轨迹预测的跟踪方式 5 训练代码6 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; 深度学习多目标跟踪 …

WRF模型安装教程(ububtu系统)-- III.WRF和WPS模型的安装

六、WRF模型的安装 # 进入Build_WRF文件夹 cd Build_WRF # 下载WRFV3.9.1 wget https://www2.mmm.ucar.edu/wrf/src/WRFV4.0.TAR.gz # 解压WRF安装包并进入 tar -zxvf WRFV4.0.TAR.gz cd WRF # 安装WRF ./configure 出现如下选项&#xff1a; 选择34&#xff0c; 这里是让你选…

React进阶(Redux,RTK,dispatch,devtools)

1、初识Redux 是React最常用的集中状态管理工具&#xff0c;类似于Vue中的Pinia(Vuex)&#xff0c;可以独立于框架运行 作用&#xff1a;通过集中管理的方式管理应用的状态 案例-实现一个计数器 实现步骤&#xff1a; Redux管理数据的流程&#xff1a; state:一个对象&…

nRF52832——唯一 ID 与加密解密

nRF52832——唯一 ID 与加密解密 唯一 ID 概念唯一 ID 作用读取唯一 ID 唯一 ID 用于加密TEA 加密算法唯一 ID 的加密和解密 唯一 ID 概念 唯一 ID 作用 nRF52xx 微控制器提供一组 64 位的唯一 ID 号&#xff0c;这个唯一身份标识所提供的 ID 值对任意一个 nRF52xx 微控制器&…

Java项目:51 springboot基于springboot的社区团购系统设计012

作者主页&#xff1a;源码空间codegym 简介&#xff1a;Java领域优质创作者、Java项目、学习资料、技术互助 文中获取源码 项目介绍 本基于Spring Boot的社区团购系统主要满足两种用户的需求&#xff0c;这两种用户分别为管理员和用户&#xff0c;下面将对这两种用户分别实现的…

电磁兼容EMC:一文读懂电气放电管选型设计

目录 1 GDT外观结构 2 GDT 常见品牌 3 GDT命名规则 4 GDT工作原理 5 GDT基本特点 6 GDT典型应用 7 GDT电气参数说明 7.1 DC Spark-over Voltage 直流火花放电电压&#xff08;直流击穿电压&#xff09; 7.2 Maximum Impulse Spark-over Voltage 最大冲击火花放电电压&…

Ribbon简单使用

Ribbon是Netflix发布的云中间层服务开源项目&#xff0c;其主要功能是提供客户端实现负载均衡算法。Ribbon客户端组件提供一系列完善的配置项如连接超时&#xff0c;重试等。简单的说&#xff0c;Ribbon是一个客户端负载均衡器&#xff0c;我们可以在配置文件中Load Balancer后…

【DataWhale学习】用免费GPU线上跑StableDiffusion项目实践

用免费GPU线上跑SD项目实践 ​ DataWhale组织了一个线上白嫖GPU跑chatGLM与SD的项目活动&#xff0c;我很感兴趣就参加啦。之前就对chatGLM有所耳闻&#xff0c;是去年清华联合发布的开源大语言模型&#xff0c;可以用来打造个人知识库什么的&#xff0c;一直没有尝试。而SD我…

【数据结构】顺序表的实现

文章目录 **线性表(linear)&#xff1a;****顺序表****下列是需要实现的接口(Seqlist.h)****顺序表的初始化****顺序表的插入数据****顺序表的扩容(为插入数据提供保障)****顺序表的尾插****顺序表的头插****顺序表的删除数据****顺序表的尾删****顺序表的头删****查找指定位置…

下载API文档

在线看&#xff1a;Overview (Java SE 17 & JDK 17) 离线下载&#xff1a;Java Development Kit 17 Documentation

【Sql】MVCC有关问题,以及锁,日志和主从复制原理

目录 MVCC 解决什么问题? 实现原理 隐式字段 undo log Read View(读视图) InnoDB 对 MVCC 的实现 锁 分类 锁升级&#xff1f; InnoDB 的行锁&#xff1f; 死锁避免&#xff1f; 乐观锁和悲观锁 日志 主从复制原理 主从复制的作用 MySQL主从复制解决的问题 涉…

模型量化(二)—— 训练后量化PTQ(全代码)

训练后量化&#xff08;Post-training Quantization&#xff0c;PTQ&#xff09;是一种常见的模型量化技术&#xff0c;它在模型训练完成之后应用&#xff0c;旨在减少模型的大小和提高推理速度&#xff0c;同时尽量保持模型的性能。训练后量化对于部署到资源受限的设备上&…

【阿里云系列】-利用yaml文件部署NacosXxl-job到ACK

背景介绍 随着容器化的技术成熟落地&#xff0c;拥抱各种成熟的容器化集群平台是加速我们落地的必然之路&#xff0c;目前国内以阿里云、华为云、腾讯云为平台的供应商为主&#xff0c;国外则以AWS&#xff0c;Azure为主&#xff0c;让我们借助平台已有的优势进行快速落地提高…

指针【理论知识速成】(3)

一.指针的使用和传值调用&#xff1a; 在了解指针的传址调用前&#xff0c;先来额外了解一下 “传值调用” 1.传值调用&#xff1a; 对于来看这个帖子的你相信代码展示胜过千言万语 #include <stdio.h> #include<assert.h> int convert(int a, int b) {int c 0…