参考：\PaddleOCR\deploy\cpp_infer\readme.md

服务器端C++预测

本章节介绍PaddleOCR 模型的的C++部署方法，与之对应的python预测部署方式参考文档。 C++在性能计算上优于python，因此，在大多数CPU、GPU部署场景，多采用C++的部署方式，本节将介绍如何在Linux\Windows (CPU\GPU)环境下配置C++环境并完成 PaddleOCR模型部署。

1. 准备环境

运行准备

Linux环境，推荐使用docker。
Windows环境，目前支持基于Visual Studio 2019 Community进行编译。

该文档主要介绍基于Linux环境的PaddleOCR C++预测流程，如果需要在Windows下基于预测库进行C++预测，具体编译方法请参考Windows下编译教程

Visual Studio 2019 Community CMake 编译指南

PaddleOCR在Windows 平台下基于Visual Studio 2019 Community 进行了测试。微软从Visual Studio 2017开始即支持直接管理CMake跨平台编译项目，但是直到2019才提供了稳定和完全的支持，所以如果你想使用CMake管理项目编译构建，我们推荐你使用Visual Studio 2019环境下构建。

前置条件

请确保系统已经安装好上述基本软件，我们使用的是VS2019的社区版。

下面所有示例以工作目录为 D:\projects演示。

- Visual Studio 2019
- CUDA 9.0 / CUDA 10.0，cudnn 7+ （仅在使用GPU版本的预测库时需要）
- CMake 3.0+

Step1: 下载PaddlePaddle C++ 预测库 fluid_inference

PaddlePaddle C++ 预测库针对不同的CPU和CUDA版本提供了不同的预编译版本，请根据实际情况下载: c++预测库下载列表(这个里面的2.0是错的，下载下来是1.8.3)

c++预测库下载列表（这个里面2.0是对的）

解压后D:\projects\fluid_inference目录包含内容为：

fluid_inference
├── paddle # paddle核心库和头文件
|
├── third_party # 第三方依赖库和头文件
|
└── version.txt # 版本和编译信息

Step2: 安装配置OpenCV

在OpenCV官网下载适用于Windows平台的3.4.6版本，下载地址
运行下载的可执行文件，将OpenCV解压至指定目录，如D:\projects\opencv
配置环境变量，如下流程所示
- 我的电脑->属性->高级系统设置->环境变量
- 在系统变量中找到Path（如没有，自行创建），并双击编辑
- 新建，将opencv路径填入并保存，如D:\projects\opencv\build\x64\vc14\bin

Step3: 使用Visual Studio 2019直接编译CMake

打开Visual Studio 2019 Community，点击继续但无需代码

点击： 文件->打开->CMake

选择项目代码所在路径，并打开CMakeList.txt：

step22

点击：项目->cpp_inference_demo的CMake设置

step3

点击浏览，分别设置编译选项指定CUDA、CUDNN_LIB、OpenCV、Paddle预测库的路径

三个编译参数的含义说明如下（带*表示仅在使用GPU版本预测库时指定, 其中CUDA库版本尽量对齐，使用9.0、10.0版本，不使用9.2、10.1等版本CUDA库）：

参数名	含义
*CUDA_LIB	CUDA的库路径
*CUDNN_LIB	CUDNN的库路径
OPENCV_DIR	OpenCV的安装路径
PADDLE_LIB	Paddle预测库的路径

注意：

使用CPU版预测库，请把WITH_GPU的勾去掉
如果使用的是openblas版本，请把WITH_MKL勾去掉

step4

设置完成后, 点击上图中保存并生成CMake缓存以加载变量。

点击生成->全部生成

step6

Step4: 预测及可视化

上述Visual Studio 2019编译产出的可执行文件在out\build\x64-Release目录下，打开cmd，并切换到该目录：

cd D:\projects\PaddleOCR\deploy\cpp_infer\out\build\x64-Release

可执行文件ocr_system.exe即为样例的预测程序，其主要使用方法如下

#预测图片 `D:\projects\PaddleOCR\doc\imgs\10.jpg`  
.\ocr_system.exe D:\projects\PaddleOCR\deploy\cpp_infer\tools\config.txt D:\projects\PaddleOCR\doc\imgs\10.jpg

第一个参数为配置文件路径，第二个参数为需要预测的图片路径。

注意

在Windows下的终端中执行文件exe时，可能会发生乱码的现象，此时需要在终端中输入CHCP 65001，将终端的编码方式由GBK编码(默认)改为UTF-8编码，更加具体的解释可以参考这篇博客：https://blog.csdn.net/qq_35038153/article/details/78430359。

上面是官方文档的说明，其中关于推理库下载路径是错的，我已经更正过来了。下面是我自己的操作。

我自己的操作：

新建文件夹 build-pd2，进入文件夹，shift+右键，“在此处打开Powershell窗口”，然后命令:

 cmake-gui ..

启动cmake-gui界面，后面配置一下编译器和依赖库路径就可以生成项目了。

注意替换前面自己训练的模型看看能不能用起来。

官方模型效果：

自己用icdar2015的1000张自然场景训练的模型效果，此处的重点不是看效果，重点是自己训练的模型使用推理库运行起来了，所以下面就可以自己训练模型了：

paddleocr学习笔记（六）C++推理