C++ | PaddleOCR GPU版使用步骤与测试时间对比(相对CPU)

点击下方卡片，关注“OpenCV与AI深度学习”

视觉/图像重磅干货，第一时间送达

导读

本文主要介绍C++版PaddleOCR GPU版的使用步骤和测试时间对比(相对CPU)。

背景介绍

关于PaddleOCR的介绍与使用，公众号已发布过多篇文章，大家可参考下面几篇文章了解(点击下面文字查看)：

【1】OCR文字识别利器--PaddleOCR识别效果演示

【2】让OCR更简单 | PaddleOCR+OpenCV实现文字识别步骤与代码演示

【3】C++ | PaddleOCR+OpenCV实现文字识别步骤与代码演示

其中【3】介绍了PaddleOCR C++ CPU版本的使用，这里接着来介绍PaddleOCR C++ GPU版本的使用。

C++ GPU版使用步骤

【1】安装英伟达CUDA驱动(以10.0为例)，官网下载对应的驱动程序，选择精简版安装即可。

然后下载对应版本的CUDNN，解压后将cuda文件夹下的文件复制到CUDA ToolKit目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

【2】下载对应的推理库文件，注意与自己的PaddleOCR库版本和CUDA版本对应，下图以PaddleOCR-release-2.0与CUDA 10.0为例：

解压后如下，version.txt中可以查看对应版本信息：

【3】C++项目中配置，这里罗列一下(包含目录、库目录、附加依赖项)：

【4】然后下载对应的模型文件

【5】修改config.txt设置，启用GPU加速，设置对应模型文件路径：

【6】将对应的dll文件目录加入环境变量或复制到工程目录运行。

GPU & CPU运行时间对比

硬件信息：

系统：Win10 64位

CPU：i7 8750H，2.20Hz，内存32G

GPU：NVIDIA GTX1070，显存8G

对比效果如下，查看运行时间ms:

对比结果：GPU加速效果明显，同时测试时间与测试图像有关，图像分辨率越高，图像中文字内容越多，则测试时间越长。

—THE END—