PaddleOCR 环境搭建第一步PaddlePaddle 飞桨框架安装指南Docker / pip / Windows 50 系显卡【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCRPaddlePaddle飞桨是 PaddleOCR 的底层计算与推理框架无论是把飞桨当作推理引擎来跑模型/产线还是进行模型训练、导出等开发工作都要求环境中先安装好飞桨框架。本文以仓库文档 paddlepaddle_installation.en.md 为主线系统讲解基于 Docker、pip 两种主流方式安装飞桨 3.x 的完整命令与参数含义并覆盖 Windows 下 NVIDIA 50 系显卡的特殊适配方案以及安装后的版本验证与后续环境搭建衔接帮助你在 CPU / GPU 环境下快速搭好 PaddleOCR 的运行底座。1. 为什么 PaddleOCR 需要先安装飞桨框架在 PaddleOCR 3.x 的使用链路中安装飞桨框架是两类场景的前置条件推理场景在使用产线/模型进行推理时以飞桨框架作为推理引擎。仓库文档 inference_engine.en.md 明确指出如果不显式指定enginePaddleOCR 在大多数情况下会默认使用 PaddlePaddle 框架完成推理paddle、paddle_static、paddle_dynamic三种引擎取值都运行在飞桨框架之上。开发场景进行模型训练、模型导出等开发工作。文档 installation.en.md 的安装训练与导出依赖一节强调训练与导出依赖飞桨框架需要先参考本安装文档完成飞桨安装再克隆仓库并执行python -m pip install -r requirements.txt安装其余训练依赖。由此可见飞桨框架是整个 PaddleOCR 使用流程中最基础的一环本文档给出的 Docker 与 pip 两种安装方式覆盖了绝大多数 CPU / GPU 环境。2. 基于 Docker 安装飞桨Docker 方式是隔离性最好、最不易污染宿主环境的选择使用飞桨官方 Docker 镜像创建容器即可获得一个预装好飞桨的完整环境。2.1 镜像与容器创建命令Docker 19.03若 Docker 版本不低于 19.03可直接使用docker run配合--gpus all参数启用 GPU 支持# CPU 用户 docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0 /bin/bash # GPU 用户CUDA 11.8 镜像需显卡驱动版本 450.80.02Linux或 452.39Windows docker run --gpus all --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda11.8-cudnn8.9-trt8.6 /bin/bash # GPU 用户CUDA 12.6 镜像需显卡驱动版本 550.54.14Linux 或 Windows docker run --gpus all --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda12.6-cudnn9.5-trt10.5 /bin/bash各参数含义说明如下| 参数 | 含义 | | - | - | |--name paddleocr| 为容器命名为paddleocr便于后续docker exec/docker stop等管理操作 | |-v $PWD:/paddle| 将当前工作目录挂载到容器内的/paddle目录宿主机的代码、模型、数据集可直接在容器内访问 | |--shm-size8G| 设置共享内存为 8GB避免数据加载阶段因/dev/shm过小导致报错是训练/推理容器的高频坑点 | |--networkhost| 使用宿主机网络便于容器内访问本机服务如推理服务端口 | |--gpus all| 将宿主机全部 GPU 暴露给容器仅 GPU 镜像需要 | |-it| 以交互模式进入容器终端进入后即处于/bin/bashshell 中 |镜像名ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0为飞桨官方提供的镜像仓库地址3.0.0为飞桨框架版本标签GPU 镜像通过-gpu-cuda11.8-cudnn8.9-trt8.6、-gpu-cuda12.6-cudnn9.5-trt10.5等后缀区分 CUDA / cuDNN / TensorRT 组合。2.2 旧版 Docker17.06 版本 19.03若 Docker 版本介于 17.06 与 19.03 之间--gpus参数不可用需改用nvidia-docker命令暴露 GPU# CPU 用户 docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0 /bin/bash # GPU 用户CUDA 11.8 nvidia-docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda11.8-cudnn8.9-trt8.6 /bin/bash # GPU 用户CUDA 12.6 nvidia-docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda12.6-cudnn9.5-trt10.5 /bin/bash若 Docker 版本低于 17.06则必须先升级 Docker 版本因为该版本不支持上述镜像运行所需的容器特性。3. 基于 pip 安装飞桨若希望直接在现有 Python 环境中安装飞桨例如为 PaddleOCR 训练/导出准备环境使用 pip 方式即可。3.1 安装命令与版本选择# CPU 版本 python -m pip install paddlepaddle3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ # GPU 版本CUDA 11.8 编译产物需显卡驱动版本 450.80.02Linux或 452.39Windows python -m pip install paddlepaddle-gpu3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ # GPU 版本CUDA 12.6 编译产物需显卡驱动版本 550.54.14Linux 或 Windows python -m pip install paddlepaddle-gpu3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/命令解读paddlepaddle为 CPU 版包名paddlepaddle-gpu为 GPU 版包名二者都显式指定了版本3.2.0与 PaddleOCR 3.x 文档链路保持一致-i指定飞桨官方 wheel 包索引地址其中cpu/、cu118/、cu126/分别对应 CPU、CUDA 11.8、CUDA 12.6 的编译产物目录选择 GPU 版本时无需关注物理机安装的 CUDA 版本只需保证显卡驱动版本满足要求即可因为飞桨 wheel 包内已包含对应 CUDA 运行库。3.2 安装成功验证安装完成后用以下命令验证飞桨是否安装成功python -c import paddle; print(paddle.__version__)若安装成功将输出对应的版本号例如3.2.0可以进一步运行飞桨自带的自检接口确认运行环境完整性python -c import paddle; paddle.utils.run_check()该命令会打印 CPU / GPU 计算是否可用的检测结果若输出提示 PaddlePaddle 安装正确说明框架已就绪可以继续安装 PaddleOCR 及训练依赖。4. Windows 系统适配 NVIDIA 50 系显卡的专用 wheel 包通过第 2、3 节方式安装的飞桨在Windows 操作系统下无法正常支持NVIDIA 50 系显卡如 RTX 50 系列。为此仓库提供了专门适配该硬件环境的开发版 wheel 包请根据本机 Python 版本选择对应文件安装# Python 3.9 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp39-cp39-win_amd64.whl # Python 3.10 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp310-cp310-win_amd64.whl # Python 3.11 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp311-cp311-win_amd64.whl # Python 3.12 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp312-cp312-win_amd64.whl从文件名可以读出该构建的关键信息基于 CUDA 12.9 cuDNN 9.9 TensorRT 10.5采用 MKL / AVX 指令集并以 VS2019 编译版本为3.0.0.dev20250717开发版。需要注意该方案目前仅针对 Windows 50 系显卡场景其他平台/显卡请使用第 2、3 节的常规安装方式文档明确提示当前发布的 Windows 50 系显卡 wheel 包在文本识别text recognition模型训练方面仍存在已知问题相关支持仍在持续适配和完善中涉及该场景时请关注仓库后续更新。5. 安装飞桨之后与 PaddleOCR 环境搭建衔接飞桨安装完成并验证通过后可按需继续搭建 PaddleOCR 环境仅做推理参考 installation.en.md 第 1 节安装paddleocr分发包python -m pip install paddleocr并按需选择doc-parser、ie、trans、doc2md、all等可选依赖组推理引擎的进一步选择与配置见 inference_engine.en.md飞桨框架是未显式指定engine时的默认推理后端。进行训练/导出克隆本仓库git clone后可选git checkout release/3.5切换分支再执行python -m pip install -r requirements.txt安装其余训练依赖。仓库根目录的 requirements.txt 中列出的依赖包括shapely、scikit-image、pyclipper、lmdb、opencv-python、pyyaml、albumentations等与飞桨框架共同构成完整的训练环境。6. 常见问题与注意事项汇总GPU 镜像/包的驱动要求CUDA 11.8 系列要求驱动 450.80.02Linux或 452.39WindowsCUDA 12.6 系列要求驱动 550.54.14。不满足时飞桨无法正确调用 GPU。不要纠结物理机 CUDA 版本pip 安装的 GPU wheel 自带 CUDA 运行库只需关注驱动版本。共享内存问题Docker 容器建议显式设置--shm-size8G否则训练/推理数据加载时可能因共享内存不足报错。旧版 Docker 兼容性Docker 版本低于 17.06 需先升级17.06~19.03 之间使用nvidia-docker而非--gpus。Windows 50 系显卡限制常规 wheel 不支持 Windows 下的 NVIDIA 50 系显卡需使用第 4 节的专用开发版 wheel且其文本识别训练能力仍在适配中。环境纯净性若环境中同时安装了飞桨之外的推理引擎如 Transformers可能出现依赖冲突建议在全新虚拟环境中安装详见 installation.en.md。通过以上三步选择 Docker 或 pip 安装、验证版本号、按用途衔接 PaddleOCR 依赖安装即可为 PaddleOCR 的推理与训练开发准备好稳定可靠的飞桨底座。【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PaddleOCR 环境搭建第一步：PaddlePaddle 飞桨框架安装指南（Docker / pip / Windows 50 系显卡）
PaddleOCR 环境搭建第一步PaddlePaddle 飞桨框架安装指南Docker / pip / Windows 50 系显卡【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCRPaddlePaddle飞桨是 PaddleOCR 的底层计算与推理框架无论是把飞桨当作推理引擎来跑模型/产线还是进行模型训练、导出等开发工作都要求环境中先安装好飞桨框架。本文以仓库文档 paddlepaddle_installation.en.md 为主线系统讲解基于 Docker、pip 两种主流方式安装飞桨 3.x 的完整命令与参数含义并覆盖 Windows 下 NVIDIA 50 系显卡的特殊适配方案以及安装后的版本验证与后续环境搭建衔接帮助你在 CPU / GPU 环境下快速搭好 PaddleOCR 的运行底座。1. 为什么 PaddleOCR 需要先安装飞桨框架在 PaddleOCR 3.x 的使用链路中安装飞桨框架是两类场景的前置条件推理场景在使用产线/模型进行推理时以飞桨框架作为推理引擎。仓库文档 inference_engine.en.md 明确指出如果不显式指定enginePaddleOCR 在大多数情况下会默认使用 PaddlePaddle 框架完成推理paddle、paddle_static、paddle_dynamic三种引擎取值都运行在飞桨框架之上。开发场景进行模型训练、模型导出等开发工作。文档 installation.en.md 的安装训练与导出依赖一节强调训练与导出依赖飞桨框架需要先参考本安装文档完成飞桨安装再克隆仓库并执行python -m pip install -r requirements.txt安装其余训练依赖。由此可见飞桨框架是整个 PaddleOCR 使用流程中最基础的一环本文档给出的 Docker 与 pip 两种安装方式覆盖了绝大多数 CPU / GPU 环境。2. 基于 Docker 安装飞桨Docker 方式是隔离性最好、最不易污染宿主环境的选择使用飞桨官方 Docker 镜像创建容器即可获得一个预装好飞桨的完整环境。2.1 镜像与容器创建命令Docker 19.03若 Docker 版本不低于 19.03可直接使用docker run配合--gpus all参数启用 GPU 支持# CPU 用户 docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0 /bin/bash # GPU 用户CUDA 11.8 镜像需显卡驱动版本 450.80.02Linux或 452.39Windows docker run --gpus all --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda11.8-cudnn8.9-trt8.6 /bin/bash # GPU 用户CUDA 12.6 镜像需显卡驱动版本 550.54.14Linux 或 Windows docker run --gpus all --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda12.6-cudnn9.5-trt10.5 /bin/bash各参数含义说明如下| 参数 | 含义 | | - | - | |--name paddleocr| 为容器命名为paddleocr便于后续docker exec/docker stop等管理操作 | |-v $PWD:/paddle| 将当前工作目录挂载到容器内的/paddle目录宿主机的代码、模型、数据集可直接在容器内访问 | |--shm-size8G| 设置共享内存为 8GB避免数据加载阶段因/dev/shm过小导致报错是训练/推理容器的高频坑点 | |--networkhost| 使用宿主机网络便于容器内访问本机服务如推理服务端口 | |--gpus all| 将宿主机全部 GPU 暴露给容器仅 GPU 镜像需要 | |-it| 以交互模式进入容器终端进入后即处于/bin/bashshell 中 |镜像名ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0为飞桨官方提供的镜像仓库地址3.0.0为飞桨框架版本标签GPU 镜像通过-gpu-cuda11.8-cudnn8.9-trt8.6、-gpu-cuda12.6-cudnn9.5-trt10.5等后缀区分 CUDA / cuDNN / TensorRT 组合。2.2 旧版 Docker17.06 版本 19.03若 Docker 版本介于 17.06 与 19.03 之间--gpus参数不可用需改用nvidia-docker命令暴露 GPU# CPU 用户 docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0 /bin/bash # GPU 用户CUDA 11.8 nvidia-docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda11.8-cudnn8.9-trt8.6 /bin/bash # GPU 用户CUDA 12.6 nvidia-docker run --name paddleocr -v $PWD:/paddle --shm-size8G --networkhost -it ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0-gpu-cuda12.6-cudnn9.5-trt10.5 /bin/bash若 Docker 版本低于 17.06则必须先升级 Docker 版本因为该版本不支持上述镜像运行所需的容器特性。3. 基于 pip 安装飞桨若希望直接在现有 Python 环境中安装飞桨例如为 PaddleOCR 训练/导出准备环境使用 pip 方式即可。3.1 安装命令与版本选择# CPU 版本 python -m pip install paddlepaddle3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ # GPU 版本CUDA 11.8 编译产物需显卡驱动版本 450.80.02Linux或 452.39Windows python -m pip install paddlepaddle-gpu3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ # GPU 版本CUDA 12.6 编译产物需显卡驱动版本 550.54.14Linux 或 Windows python -m pip install paddlepaddle-gpu3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/命令解读paddlepaddle为 CPU 版包名paddlepaddle-gpu为 GPU 版包名二者都显式指定了版本3.2.0与 PaddleOCR 3.x 文档链路保持一致-i指定飞桨官方 wheel 包索引地址其中cpu/、cu118/、cu126/分别对应 CPU、CUDA 11.8、CUDA 12.6 的编译产物目录选择 GPU 版本时无需关注物理机安装的 CUDA 版本只需保证显卡驱动版本满足要求即可因为飞桨 wheel 包内已包含对应 CUDA 运行库。3.2 安装成功验证安装完成后用以下命令验证飞桨是否安装成功python -c import paddle; print(paddle.__version__)若安装成功将输出对应的版本号例如3.2.0可以进一步运行飞桨自带的自检接口确认运行环境完整性python -c import paddle; paddle.utils.run_check()该命令会打印 CPU / GPU 计算是否可用的检测结果若输出提示 PaddlePaddle 安装正确说明框架已就绪可以继续安装 PaddleOCR 及训练依赖。4. Windows 系统适配 NVIDIA 50 系显卡的专用 wheel 包通过第 2、3 节方式安装的飞桨在Windows 操作系统下无法正常支持NVIDIA 50 系显卡如 RTX 50 系列。为此仓库提供了专门适配该硬件环境的开发版 wheel 包请根据本机 Python 版本选择对应文件安装# Python 3.9 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp39-cp39-win_amd64.whl # Python 3.10 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp310-cp310-win_amd64.whl # Python 3.11 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp311-cp311-win_amd64.whl # Python 3.12 python -m pip install https://paddle-qa.bj.bcebos.com/paddle-pipeline/Develop-TagBuild-Training-Windows-Gpu-Cuda12.9-Cudnn9.9-Trt10.5-Mkl-Avx-VS2019-SelfBuiltPypiUse/86d658f56ebf3a5a7b2b33ace48f22d10680d311/paddlepaddle_gpu-3.0.0.dev20250717-cp312-cp312-win_amd64.whl从文件名可以读出该构建的关键信息基于 CUDA 12.9 cuDNN 9.9 TensorRT 10.5采用 MKL / AVX 指令集并以 VS2019 编译版本为3.0.0.dev20250717开发版。需要注意该方案目前仅针对 Windows 50 系显卡场景其他平台/显卡请使用第 2、3 节的常规安装方式文档明确提示当前发布的 Windows 50 系显卡 wheel 包在文本识别text recognition模型训练方面仍存在已知问题相关支持仍在持续适配和完善中涉及该场景时请关注仓库后续更新。5. 安装飞桨之后与 PaddleOCR 环境搭建衔接飞桨安装完成并验证通过后可按需继续搭建 PaddleOCR 环境仅做推理参考 installation.en.md 第 1 节安装paddleocr分发包python -m pip install paddleocr并按需选择doc-parser、ie、trans、doc2md、all等可选依赖组推理引擎的进一步选择与配置见 inference_engine.en.md飞桨框架是未显式指定engine时的默认推理后端。进行训练/导出克隆本仓库git clone后可选git checkout release/3.5切换分支再执行python -m pip install -r requirements.txt安装其余训练依赖。仓库根目录的 requirements.txt 中列出的依赖包括shapely、scikit-image、pyclipper、lmdb、opencv-python、pyyaml、albumentations等与飞桨框架共同构成完整的训练环境。6. 常见问题与注意事项汇总GPU 镜像/包的驱动要求CUDA 11.8 系列要求驱动 450.80.02Linux或 452.39WindowsCUDA 12.6 系列要求驱动 550.54.14。不满足时飞桨无法正确调用 GPU。不要纠结物理机 CUDA 版本pip 安装的 GPU wheel 自带 CUDA 运行库只需关注驱动版本。共享内存问题Docker 容器建议显式设置--shm-size8G否则训练/推理数据加载时可能因共享内存不足报错。旧版 Docker 兼容性Docker 版本低于 17.06 需先升级17.06~19.03 之间使用nvidia-docker而非--gpus。Windows 50 系显卡限制常规 wheel 不支持 Windows 下的 NVIDIA 50 系显卡需使用第 4 节的专用开发版 wheel且其文本识别训练能力仍在适配中。环境纯净性若环境中同时安装了飞桨之外的推理引擎如 Transformers可能出现依赖冲突建议在全新虚拟环境中安装详见 installation.en.md。通过以上三步选择 Docker 或 pip 安装、验证版本号、按用途衔接 PaddleOCR 依赖安装即可为 PaddleOCR 的推理与训练开发准备好稳定可靠的飞桨底座。【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考