【Mac】安装 PaddleOCR_userwarning: no ccache found. please be aware that

环境：Mac M1 芯片

1、安装

1.1 安装 Anaconda

Anaconda 安装较为简单，直接在 Anaconda 官网 下载pkg文件，根据向导提示完成安装。

Anaconda 用于搭建 Python 虚拟环境，目的是为了避免与之前环境安装库的版本冲突，另外 paddle 对Python 的版本也是有要求的。

创建并激活虚拟环境：

zs@Mac ~ % conda create -y -n paddle python=3.12zs@Mac ~ % conda activate paddle

1.2 安装 paddlepaddle

在 官网 获取安装命令：

(paddle) zs@Mac ~ % conda install paddlepaddle==3.0.0b2 -c paddle

验证：

(paddle) zs@Mac ~ % python>>> import paddle>>> paddle.utils.run_check() Running verify PaddlePaddle program ... I1219 22:02:16.993297 4123495424 interpretercore.cc:237] New Executor is Running.I1219 22:02:17.038717 4123495424 interpreter_util.cc:518] Standalone Executor is Used.PaddlePaddle works well on 1 CPU.PaddlePaddle is installed successfully! Let\'s start deep learning with PaddlePaddle now.

可能报错：

• TypeError: __array__(): incompatible function arguments. The following argument types are supported

  paddle与numpy的版本不兼容，通过降低numpy版本解决。

1.3 安装 PaddleOCR

安装：

(paddle) zs@Mac ~ % pip install -i https://pypi.tuna.tsinghua.edu.cn/simple paddleocr --user

安装依赖：先将 项目依赖 拉下来，然后执行以下命令：

(paddle) zs@Mac ~ % pip install -r requirements.txt

2、Paddle 升级

在 官网快速开始界面复制命令，直接执行，pip、conda 等会自动处理依赖关系，并安装或升级到指定的版本。

3、测试

3.1 命令行

paddleocr --image_dir /path/image.jpg

3.2 脚本测试

编写脚本 test.py：

from paddleocr import PaddleOCR# 创建识别器ocr = PaddleOCR(use_angle_cls=True, lang=\'ch\')img_path = \'../mv/1.jpg\'# 只需运行一次即可下载模型并将其加载到内存中result = ocr.ocr(img_path, cls=True) for idx in range(len(result)): res = result[idx] for line in res: print(line)

终端执行上述脚本：

(paddle) zs@Mac ~ % python test.py

3.3 警告解决

• No ccache found

  /opt/anaconda3/envs/paddle/lib/python3.12/site-packages/paddle/utils/cpp_extension/extension_utils.py:686: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md warnings.warn(warning_message)

  提示在当前环境中没有找到 ccache。ccache 是一个编译缓存工具，可以显著加快重新编译的速度。如果不介意重新编译所有源文件的时间，可以选择忽略这个警告。如果希望提高编译速度，可以按照提示安装 ccache。

  conda install -c conda-forge ccache

• Setuptools is replacing distutils

  /root/miniconda3/envs/PaddleSpeech/lib/python3.9/site-packages/_distutils_hack/__init__.py:30: UserWarning: Setuptools is replacing distutils. Support for replacing an already imported distutils is deprecated. In the future, this condition will fail. Register concerns at https://github.com/pypa/setuptools/issues/new?template=distutils-deprecation.yml warnings.warn(

  这个警告表示 setuptools 正在替换 distutils，并且在未来这种替换可能会失败，setuptools项目中建议通过更新 setuptools 来解决。

  python -m pip install --upgrade setuptools

• pip is being invoked by an old script wrapper

  WARNING: pip is being invoked by an old script wrapper. This will fail in a future version of pip.Please see https://github.com/pypa/pip/issues/5599 for advice on fixing the underlying issue.To avoid this problem you can invoke Python with \'-m pip\' instead of running pip directly.

  这个警告表示您正在使用的 pip 是通过一个旧的脚本包装器调用的，这在未来可能会导致问题。建议使用 python -m pip 命令来调用 pip。

5、图片太长导致无法识别

将图片进行裁剪

import osfrom PIL import Imagedef crop_image(path, rows, cols, folder): image = Image.open(path) name, extension = os.path.splitext(os.path.basename(path)) width, height = image.size img_width = width // cols img_height = height // rows for row in range(rows): for col in range(cols): box = (col * img_width, row * img_height, (col + 1) * img_width, (row + 1) * img_height) cropped_image = image.crop(box) output_file = f\"{folder}/{name}_{row}_{col}{extension}\" cropped_image.save(output_file)# 裁剪图像：图片地址、裁剪行数、裁剪列数、裁剪结果保存路径crop_image(\"../photo/example.jpg\", 3, 1, \"../photo\")

8、PaddleOCR模型

模型在本地存放默认地址：/Users/zs/.paddleocr/whl

(paddle) zs@Mac ~ % ls /Users/zs/.paddleocr/whlcls det rec

• det（Detection）：
  这个文件夹包含用于文本检测的模型。文本检测是 OCR 流程的第一步，它的目的是在图像中找到文本的位置。
• cls（Classification）：
  这个文件夹包含用于文本方向分类的模型（在某些版本的 PaddleOCR 中可能不存在或不是必需的）。文本方向分类用于确定检测到的文本的方向，以便后续能够正确地识别文本内容。
• rec（Recognition）：
  这个文件夹包含用于文本识别的模型。文本识别是 OCR 流程的最后一步，它的目的是将检测到的文本图像转换为可编辑的文本内容。

如需更改模型缓存目录，只需设置相应的变量环境即可。

默认下载目录 设置环境变量 paddlehub HUB_HOME paddlenlp PPNLP_HOME paddlespeech PPSPEECH_HOME paddleaudio PPAUDIO_HOME paddleocr PPOCR_HOME paddledetection PPDETECTION_HOME paddlegan PPGAN_HOME paddleseg PPSEG_HOME paddleclas PPCLAS_HOME paddlerec PPREC_HOME

9、PaddleOCR模型推理参数

在使用PaddleOCR进行模型推理时，可以自定义修改参数，来修改模型、数据、预处理、后处理等内容，详细的参数解释如下所示。

9.1 全局信息

参数名称 类型 默认值 含义 image_dir str 无，必须显式指定 图像或者文件夹路径 page_num int 0 当输入类型为pdf文件时有效，指定预测前面page_num页，默认预测所有页 vis_font_path str “./doc/fonts/simfang.ttf” 用于可视化的字体路径 drop_score float 0.5 识别得分小于该值的结果会被丢弃，不会作为返回结果 use_pdserving bool False 是否使用Paddle Serving进行预测 warmup bool False 是否开启warmup，在统计预测耗时的时候，可以使用这种方法 draw_img_save_dir str “./inference_results” 系统串联预测OCR结果的保存文件夹 save_crop_res bool False 是否保存OCR的识别文本图像 crop_res_save_dir str “./output” 保存OCR识别出来的文本图像路径 use_mp bool False 是否开启多进程预测 total_process_num int 6 开启的进程数，use_mp为True时生效 process_id int 0 当前进程的id号，无需自己修改 benchmark bool False 是否开启benchmark，对预测速度、显存占用等进行统计 save_log_path str “./log_output/” 开启benchmark时，日志结果的保存文件夹 show_log bool True 是否显示预测中的日志信息 use_onnx bool False 是否开启onnx预测

9.2 预测引擎相关

参数名称 类型 默认值 含义 use_gpu bool True 是否使用GPU进行预测 ir_optim bool True 是否对计算图进行分析与优化，开启后可以加速预测过程 use_tensorrt bool False 是否开启tensorrt min_subgraph_size int 15 tensorrt中最小子图size，当子图的size大于该值时，才会尝试对该子图使用trt engine计算 precision str fp32 预测的精度，支持fp32, fp16, int8 3种输入 enable_mkldnn bool True 是否开启mkldnn cpu_threads int 10 开启mkldnn时，cpu预测的线程数

9.3 文本检测模型相关

参数名称 类型 默认值 含义 det_algorithm str “DB” 文本检测算法名称，目前支持DB, EAST, SAST, PSE, DB++, FCE det_model_dir str xx 检测inference模型路径 det_limit_side_len int 960 检测的图像边长限制 det_limit_type str “max” 检测的边长限制类型，目前支持min和max，min表示保证图像最短边不小于det_limit_side_len，max表示保证图像最长边不大于det_limit_side_len

• DB算法相关参数如下:

参数名称 类型 默认值 含义 det_db_thresh float 0.3 DB输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点 det_db_box_thresh float 0.6 检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域 det_db_unclip_ratio float 1.5 Vatti clipping算法的扩张系数，使用该方法对文字区域进行扩张 max_batch_size int 10 预测的batch size use_dilation bool False 是否对分割结果进行膨胀以获取更优检测效果 det_db_score_mode str “fast” DB的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

• EAST算法相关参数如下:

参数名称 类型 默认值 含义 det_east_score_thresh float 0.8 EAST后处理中score map的阈值 det_east_cover_thresh float 0.1 EAST后处理中文本框的平均得分阈值 det_east_nms_thresh float 0.2 EAST后处理中nms的阈值

• SAST算法相关参数如下:

参数名称 类型 默认值 含义 det_sast_score_thresh float 0.5 SAST后处理中的得分阈值 det_sast_nms_thresh float 0.5 SAST后处理中nms的阈值 det_box_type str quad 是否多边形检测，弯曲文本场景（如Total-Text）设置为’poly’

• PSE算法相关参数如下:

参数名称 类型 默认值 含义 det_pse_thresh float 0.0 对输出图做二值化的阈值 det_pse_box_thresh float 0.85 对box进行过滤的阈值，低于此阈值的丢弃 det_pse_min_area float 16 box的最小面积，低于此阈值的丢弃 det_box_type str “quad” 返回框的类型，quad:四点坐标，poly: 弯曲文本的所有点坐标 det_pse_scale int 1 输入图像相对于进后处理的图的比例，如640640的图像，网络输出为160160，scale为2的情况下，进后处理的图片shape为320*320。这个值调大可以加快后处理速度，但是会带来精度的下降

9.4 文本识别模型相关

参数名称 类型 默认值 含义 rec_algorithm str “CRNN” 文本识别算法名称，目前支持CRNN, SRN, RARE, NETR, SAR, ViTSTR, ABINet, VisionLAN, SPIN, RobustScanner, SVTR, SVTR_LCNet rec_model_dir str 无，如果使用识别模型，该项是必填项 识别inference模型路径 rec_image_shape str “3,48,320” 识别时的图像尺寸 rec_batch_num int 6 识别的batch size max_text_length int 25 识别结果最大长度，在SRN中有效 rec_char_dict_path str “./ppocr/utils/ppocr_keys_v1.txt” 识别的字符字典文件 use_space_char bool True 是否包含空格，如果为True，则会在最后字符字典中补充空格字符

9.5 端到端文本检测与识别模型相关

参数名称 类型 默认值 含义 e2e_algorithm str “PGNet” 端到端算法名称，目前支持PGNet e2e_model_dir str 无，如果使用端到端模型，该项是必填项 端到端模型inference模型路径 e2e_limit_side_len int 768 端到端的输入图像边长限制 e2e_limit_type str “max” 端到端的边长限制类型，目前支持min, max，min表示保证图像最短边不小于e2e_limit_side_len，max表示保证图像最长边不大于e2e_limit_side_len e2e_pgnet_score_thresh float 0.5 端到端得分阈值，小于该阈值的结果会被丢弃 e2e_char_dict_path str “./ppocr/utils/ic15_dict.txt” 识别的字典文件路径 e2e_pgnet_valid_set str “totaltext” 验证集名称，目前支持totaltext, partvgg，不同数据集对应的后处理方式不同，与训练过程保持一致即可 e2e_pgnet_mode str “fast” PGNet的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

9.6 方向分类器模型相关

参数名称 类型 默认值 含义 use_angle_cls bool False 是否使用方向分类器 cls_model_dir str 无，如果需要使用，则必须显式指定路径 方向分类器inference模型路径 cls_image_shape str “3,48,192” 预测尺度 label_list list [‘0’, ‘180’] class id对应的角度值 cls_batch_num int 6 方向分类器预测的batch size cls_thresh float 0.9 预测阈值，模型预测结果为180度，且得分大于该阈值时，认为最终预测结果为180度，需要翻转

20、资料

• Paddle官网
• mac m1 m2 安装 paddlepaddle paddleocr库，避坑指南