PaddleOCR提供了docker镜像，建议按官网教程，安装好之后从下面【下载推理模型】接着配置。

这里从头配置了一个环境，也算学习一遍，忽略docker就是paddleOCR ubuntu环境的搭建过程。

获取一个新的ubuntu镜像：

docker pull ubuntu

本机已有一个ubuntu镜像为ubuntu:paddle，新的docker镜像，需要先配置一些基础环境，如net-tools、tar、wget、make、gcc、python3.7等。可自行百度。

创建一个容器：

docker run -it ubuntu:paddle /bin/bash

配置paddleOCR：

cd /home
git clone https://github.com/PaddlePaddle/PaddleOCR
pip install opencv-python
pip install pillow
pip install -r requirements.txt
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
#返回宿主机下载推理模型，或复制下载地址直接用wget
exit

下载推理模型：

  记住CONTAINER ID

  拷贝文件到容器中，win+r cmd中执行

docker cp F:\XXX\PaddleOCR\inference 13833b8383eb:/home/PaddleOCR
docker start 13833b8383eb
docker attach 13833b8383eb

修改params.py文件，文件路径上面下载的模型对应起来：

cd /home/PaddleOCR
vim deploy/hubserving/ocr_system/params.py

   修改config.json文件，使用CPU：

vim deploy/hubserving/ocr_system/config.json

  验证PaddleOCR:

python tools/infer/predict_system.py --image_dir="./doc/imgs/1.jpg" --det_model_dir="./inference/ch_ppocr_server_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_server_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False

CPU4.67秒，速度还可以

 启动服务：

hub install deploy/hubserving/ocr_system

hub serving start -c "/home/PaddleOCR/deploy/hubserving/ocr_system/config.json"

出现地址服务启动成功：

 至此，PaddleOCR环境搭建完成。

下面docker服务配置：

 在/home/PaddleOCR新建脚本文件paddleOCRServer

#!/bin/sh
cd /home/PaddleOCR
hub install /home/PaddleOCR/deploy/hubserving/ocr_system
hub serving start -c "/home/PaddleOCR/deploy/hubserving/ocr_system/config.json"

 修改权限：

chmod 777 paddleOCRServer

一切配置好后，更新一下镜像：

docker commit -m="has update" -a="myname" 13833b8383eb ubuntu:paddle

docker端口映射到宿主机，创建一个名为paddleocr的新的容器，宿主机cmd终端执行：

docker run --name paddleocr -it -p 8868:8868 ubuntu:paddle /home/PaddleOCR/paddleOCRServer

下次可根据名字直接打开容器：

docker start paddleocr
docker attach paddleocr

Qt调用：

// URL
QString baseUrl = "http://127.0.0.1:8868/predict/ocr_system";

// 构造请求
QNetworkRequest request;
request.setUrl(QUrl(baseUrl));
request.setHeader(QNetworkRequest::ContentTypeHeader, QVariant("application/json"));

QNetworkAccessManager *manager = new QNetworkAccessManager(this);
// 发送请求
QNetworkReply *pReplay = manager->post(request, data);

// 局部的事件循环，等待响应结束
QEventLoop eventLoop;
QObject::connect(manager, &QNetworkAccessManager::finished, &eventLoop, &QEventLoop::quit);
eventLoop.exec();

// 返回信息
QByteArray bytes = pReplay->readAll();
QString string = QString::fromUtf8(bytes);
qDebug() << string;
QJsonObject resultJson = QJson::getJsonObjectFromString(string);
QJsonArray resArr = resultJson.take("results")[0].toArray();
for each (auto var in resArr)
{
	qDebug() << var.toObject().take("text").toString();
}

---

Docker教程：

#查看正在运行的容器
docker ps

#查看所有容器
docker ps -a

#查看镜像
docker images

#删除容器
docker rm id

#删除镜像
docker rmi id

Docker 镜像使用 | 菜鸟教程