飛槳技術生態伙伴 算力魔方

| 引言：還在為OCR模型在不同硬件上的部署而頭疼嗎？百度飛槳的PP-OCRv5重磅升級，準確率提升13%，且一個模型同時支持中、英、日等五種文字！本文將手把手教你如何將PP-OCRv5模型轉換為通用ONNX格式，讓你能在Intel、AMD、高通、蘋果等各類設備上輕松部署，真正實現“一次轉換，隨處運行”。

在當前多語言混合文檔處理需求日益增長的背景下，百度飛槳推出的PP-OCRv5

https://github.com/PaddlePaddle/PaddleOCR

成為了業界矚目的焦點。這款輕量級光學字符識別（OCR）系統不僅將準確率提升了13%，更強大的是，它實現了單一模型同時識別簡體中文、繁體中文、英文、日文和拼音五大文本類型，堪稱文檔處理領域的“瑞士軍刀”。

一，為何需要轉換為ONNX格式？

盡管PP-OCRv5本身非常強大，但若想將其部署在Intel、AMD、高通、蘋果、瑞芯微等各式各樣的AI推理設備上，直接使用原模型可能會面臨兼容性挑戰。而ONNX（Open Neural Network Exchange） 作為一個開放的模型格式標準，就像是AI世界的“通用翻譯官”，能夠幫助你的模型在不同的硬件和框架之間自由穿梭。

只需完成一次轉換，即可利用ONNX Runtime, TensorRT, OpenVINO, ROCm等眾多推理引擎進行高速推理，極大地擴展了應用邊界。

二，四步上手：PP-OCRv5模型轉換ONNX全流程

1，準備工作：安裝所需環境與工具

首先，我們需要一個干凈的Python環境來避免庫版本沖突。推薦使用Anaconda創建虛擬環境。

# 創建并激活名為 ppocrv5_ov 的虛擬環境
conda create -n ppocrv5_ov python=3.11
conda activate ppocrv5_ov

接下來，安裝必不可少的PaddlePaddle深度學習框架和PaddleOCR庫。

# 安裝PaddlePaddle和PaddleOCR
pip install paddlepaddle
pip install paddleocr
# 安裝高性能推理依賴（CPU版）
paddleocr install_hpi_deps cpu

最后，安裝本次轉換的“主角”——模型轉換工具 paddle2onnx 。

# 安裝paddle2onnx轉換工具
paddlex --install paddle2onnx

2，下載預訓練模型

我們將官方提供的服務器版高性能模型下載到本地。它們分別是檢測（detection）、識別（recognition）和分類（classification） 模型。

# 1. 下載并解壓文本檢測模型
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_server_det_infer.tar
tar -xvf PP-OCRv5_server_det_infer.tar
# 2. 下載并解壓文本識別模型
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_server_rec_infer.tar
tar -xvf PP-OCRv5_server_rec_infer.tar
# 3. 下載并解壓文本方向分類模型
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-LCNet_x1_0_doc_ori_infer.tar
tar -xvf PP-LCNet_x1_0_doc_ori_infer.tar

3，核心步驟：模型轉換

現在，我們使用安裝好的 paddle2onnx 工具，將三個模型依次轉換為ONNX格式。

# 轉換檢測模型
paddlex --paddle2onnx --paddle_model_dir ./PP-OCRv5_server_det_infer --onnx_model_dir ./PP-OCRv5_server_det_onnx
# 轉換識別模型
paddlex --paddle2onnx --paddle_model_dir ./PP-OCRv5_server_rec_infer --onnx_model_dir ./PP-OCRv5_server_rec_onnx
# 轉換分類模型
paddlex --paddle2onnx --paddle_model_dir ./PP-LCNet_x1_0_doc_ori_infer --onnx_model_dir ./PP-OCRv5_server_cls_onnx

轉換成功后，你將在當前目錄看到三個對應的新文件夾（PP-OCRv5_server_det_onnx, PP-OCRv5_server_rec_onnx, PP-OCRv5_server_cls_onnx），里面便是生成的ONNX模型文件。

4，驗證轉換結果

理論轉完了，實際能用嗎？讓我們寫個腳本測試一下。

首先，下載一張示例圖片：

wget https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png

然后，使用PaddleOCR命令，指定我們剛剛轉換好的ONNX模型進行推理：

paddleocr ocr -i ./general_ocr_002.png 
              --text_detection_model_name PP-OCRv5_server_det 
              --text_detection_model_dir PP-OCRv5_server_det_onnx 
              --text_recognition_model_name PP-OCRv5_server_rec 
              --text_recognition_model_dir PP-OCRv5_server_rec_onnx/ 
              --enable_hpi True 
              --device cpu

如果終端成功打印出了圖片中的文字識別結果，那么恭喜你！這意味著從模型轉換到推理的整個流程已全部跑通，ONNX模型工作正常。

三，結語與展望
通過以上五個步驟，我們成功地將PP-OCRv5模型轉換為了ONNX格式，為其在廣闊硬件平臺上的部署打開了大門。無論是云端服務器還是邊緣設備，ONNX都能提供強大的跨平臺能力。
審核編輯 黃宇