oneao/workspace
1
0 Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

u

Browse Source
This commit is contained in:
oneao committed 2026-03-18 17:14:34 +08:00
1 parent 52cef511d6
commit 68f08d921a
184 files changed
+19499 -1
Download Patch File Download Diff File Expand all files Collapse all files

No files matched your search

code/docusaurus/docs/coding/python/01-conda.md
+44
View File
@@ -0,0 +1,44 @@
## 介绍
Anaconda 是一个免费、易于安装的包管理器、环境管理器和 Python 发行版，包含 1,500 多个开源包，并提供 免费社区支持。Anaconda 与平台无关，因此无论您在 Windows、macOS 还是 Linux 上都可以使用它。
## 安装
下载地址：https://www.anaconda.com/download/success?reg=skipped
下载 Miniconda 即可
### Windows
下载 exe 文件按照步骤安装即可。
#### 设置环境变量
将 `D:\devtool\anaconda3\condabin` 添加到环境变量中即可
## 常用命令
**创建环境**
```bash
conda create -n myenv python=3.9
```
**激活环境**
```bash
conda activate myenv
```
**退出环境**
```bash
conda deactivate
```
**删除环境**
```bash
conda remove -n myenv --all
```
**查看所有环境**
```bash
conda env list
```
code/docusaurus/docs/coding/python/paddlepaddle/01-介绍.md
+73
View File
@@ -0,0 +1,73 @@
[飞桨（PaddlePaddle）](https://www.paddlepaddle.org.cn/)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。 飞桨于2016 年正式开源，是主流深度学习框架中一款完全国产化的产品。
ORC 识别能力比较强
## 安装
网站：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html
安装 GPU 版本：
```bash
python -m pip install paddlepaddle-gpu==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
```
安装 CPU 版本
```bash
python -m pip install paddlepaddle==3.3.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
```
如果是 **GPU版本** 需要注意自己的 `CUDA` 版本，不要过高即可，查看命令：
```bash
nvidia-smi
```
输出如下：
```
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.105.17 Driver Version: 525.105.17 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 On | 00000000:00:09.0 Off | 0 |
| N/A 27C P8 8W / 70W | 4MiB / 15360MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
```
当前电脑的 CUDA 版本为 12.0，所以下载 小于等于 12.0 版本的 `paddlepaddle` 即可：
```bash
python -m pip install paddlepaddle-gpu==3.1.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
```
检查是否安装成功：
```bash
python -c "import paddle; paddle.utils.run_check()"
```
输出以下内容即代表成功：
```
(ocr) root@VM-0-80-ubuntu:/workspace# python -c "import paddle; paddle.utils.run_check()"
/root/miniforge3/envs/ocr/lib/python3.11/site-packages/paddle/utils/cpp_extension/extension_utils.py:715: 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)
Running verify PaddlePaddle program ...
I0710 06:19:32.810492 2651 pir_interpreter.cc:1524] New Executor is Running ...
W0710 06:19:32.813128 2651 gpu_resources.cc:114] Please NOTE: device: 0, GPU Compute Capability: 7.5, Driver API Version: 12.0, Runtime API Version: 11.7
I0710 06:19:35.382279 2651 pir_interpreter.cc:1547] pir interpreter is running by multi-thread mode ...
PaddlePaddle works well on 1 GPU.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.
```
code/docusaurus/docs/coding/python/paddlepaddle/02-PaddleOCR.md
+124
View File
@@ -0,0 +1,124 @@
[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR/blob/main/readme/README_cn.md) 是业界领先、可直接部署的 OCR 与文档智能引擎，提供从文本识别到文档理解的全流程解决方案
> 项目背景：识别集装箱号
## 1 环境配置
当前使用的是虚拟环境：
- python：3.11
- paddlepaddle：3.1
- paddleocr：3.1.0
### 1.1 安装paddlepaddle
参考 [安装paddlepaddle](./01-介绍.md)
### 1.2 下载paddleocr
下载网站：https://github.com/PaddlePaddle/PaddleOCR/releases
当前使用的版本是 3.1.0
下载后解压
```bash
unzip PaddleOCR-3.1.0.zip
```
安装依赖
```bash
cd PaddleOCR-3.1.0
pip install -r requirements.txt --user
```
测试是否能正常运行：
```bash
python tools/infer/predict_system.py --image_dir="/workspace/img/" --use_angle_cls=True --use_space_char=True
```
输出以下内容即成功：
```
ppocr INFO: not find det model file path None
```
## 2 准备数据集
### 2.1 标注工具
1. [**PPOcrLabel**](https://github.com/PFCCLab/PPOCRLabel)，专门为 PPOCR 制作的标注工具，**推荐。**
> 存在问题：EXE 安装包运行会报错。但是该工具在本地运行标注的话还是比较推荐的。
2. [**X-AnyLabeling**](https://github.com/CVHub520/X-AnyLabeling)，支持多种导出格式，其中就支持 PPOCR 的格式。
### 2.2 标注完毕后的数据集
```bash
conno/1b4e2845-e9ba-4233-9268-bf07801ace0e.jpg [{"transcription": "RKSU5020243", "points": [[233, 317], [299, 317], [258, 833], [181, 839]], "difficult": false}]
conno/6ffd244b-1d27-4084-998b-e4d7ac076c5f.jpg [{"transcription": "ZGXU6173701", "points": [[717, 448], [781, 419], [835, 980], [751, 996]], "difficult": false}]
conno/0ba730a8-052b-4662-88fa-bfd3c7dbd118.jpg [{"transcription": "WHLU5706937", "points": [[565, 567], [915, 485], [915, 551], [578, 635]], "difficult": false}]
conno/8f50bf55-f825-43ac-87a5-f744aa3c2099.jpg [{"transcription": "EISU9420010", "points": [[295, 744], [624, 747], [618, 813], [299, 806]], "difficult": false}]
conno/33e22c52-64b6-4715-87d9-d3a7823b97f7.jpg [{"transcription": "SSKU1302201", "points": [[660, 676], [960, 671], [966, 724], [662, 737]], "difficult": false}]
conno/34a24249-7670-4be2-981f-19c502ee7da2.jpg [{"transcription": "TKRU4507940", "points": [[660, 395], [724, 395], [717, 882], [619, 902]], "difficult": false}]
conno/67ead2d0-89c0-455c-aef0-49a76a3492aa.jpg [{"transcription": "待识别", "points": [[585, 415], [589, 415], [593, 501], [917, 341], [893, 263]], "difficult": false}]
conno/78c58cfa-ff0f-4890-9fd9-07a0b639b9ca.jpg [{"transcription": "LYGU3568255", "points": [[553, 393], [587, 491], [972, 334], [983, 245]], "difficult": false}]
conno/481aee74-f9ce-4145-a8c7-f4c1f45fcc75.jpg [{"transcription": "RKSU4005584", "points": [[56, 298], [19, 935], [101, 937], [115, 280]], "difficult": false}]
conno/630d6e72-f99d-4922-8886-ea14f9e1a9bd.jpg [{"transcription": "FCIU2682384", "points": [[562, 737], [572, 803], [867, 712], [858, 655]], "difficult": false}]
conno/9751b358-0b48-4006-8a73-89e816d37b67.jpg [{"transcription": "CNIU2452605", "points": [[608, 801], [606, 867], [908, 837], [906, 773]], "difficult": false}]
```
## 3 准备预训练模型
如果已经有预训练模型的话，可以忽略这一步。
下载地址：https://github.com/PaddlePaddle/PaddleOCR/blob/release/3.1/docs/version3.x/model_list.md
如果报 404 的话，根据 版本 + 路径 进行查找即可。
根据情况选择 mobile 和 server 模型
- mobile: 训练速度快，精度较低，识别速度快
- server: 训练速度慢，精度较高，识别速度慢
### 3.1 文本检测训练模型
![alt text](assets/1773821823514.png)
### 3.2 文本识别训练模型
![alt text](assets/1773821856182.png)
## 错误情况
### ImportError: libGL.so.1: cannot open shared object file: No such file or directory
原因：缺少 `libGL.so.1` 库
解决方案：
```bash
sudo apt update
sudo apt install libgl1-mesa-glx
```
### all input arrays must have the same shap
原因：图像尺寸不一致
解决方案：
将 batch_size_per_card 设置为 1
```yaml
Eval:
loader:
batch_size_per_card: 1
```
### OSError: cannot open resource
原因：字体路径无效
解决方案：将paddleocr里面的字体放到系统字体路径下
```bash
cp /workspace/PaddleOCR-3.1.0/doc/fonts/simfang.ttf /usr/share/fonts/
```
code/docusaurus/docs/coding/python/paddlepaddle/03-PaddleX.md
+430
View File
@@ -0,0 +1,430 @@
[PaddleX 3.0](https://paddlepaddle.github.io/PaddleX/latest/index.html) 是基于飞桨框架构建的低代码开发工具，它集成了众多**开箱即用的预训练模型**，可以实现模型从训练到推理的**全流程开发**，支持国内外**多款主流硬件**，助力AI 开发者进行产业实践。
## 1 环境配置
当前使用的是虚拟环境：
- python：3.11
- paddlepaddle：3.1
- paddleocr：3.1.0
### 1.1 安装paddlepaddle
参考 [安装paddlepaddle](./01-介绍.md)
### 1.2 安装paddlex
```bash
pip install "paddlex[base]"
```
## 2 部署项目
参考文档：https://paddlepaddle.github.io/PaddleX/latest/pipeline_deploy/serving.html#12
### 2.1 安装服务化部署插件
方便 java 等语言接口的调用
```bash
paddlex --install serving
```
### 2.2 生成配置文件
使用相关命令，其中 OCR 当前为通用 OCR 产线，需要不同的产线就修改不同的名称即可。
```bash
paddlex --get_pipeline_config OCR --save_path ./OCR.yaml
```
生成成功会提示
```bash
The pipeline config has been saved to: OCR.yaml
```
生成的默认配置如下：
```yaml
pipeline_name: OCR
text_type: general
use_doc_preprocessor: True
use_textline_orientation: True
SubPipelines:
DocPreprocessor:
pipeline_name: doc_preprocessor
use_doc_orientation_classify: True
use_doc_unwarping: True
SubModules:
DocOrientationClassify:
module_name: doc_text_orientation
model_name: PP-LCNet_x1_0_doc_ori
model_dir: null
DocUnwarping:
module_name: image_unwarping
model_name: UVDoc
model_dir: null
SubModules:
TextDetection:
module_name: text_detection
model_name: PP-OCRv5_server_det
model_dir: null
limit_side_len: 64
limit_type: min
max_side_limit: 4000
thresh: 0.3
box_thresh: 0.6
unclip_ratio: 1.5
TextLineOrientation:
module_name: textline_orientation
model_name: PP-LCNet_x1_0_textline_ori
model_dir: null
batch_size: 6
TextRecognition:
module_name: text_recognition
model_name: PP-OCRv5_server_rec
model_dir: null
batch_size: 6
score_thresh: 0.0
```
**修改配置文件**
注意将训练好的模型路径配置 `./pipeline/rec_inference` 和 `./pipeline/det_inference`
```yaml
# 整体 pipeline 名称，用于识别产线名称
pipeline_name: OCR
# 文本类型，可选 general（通用）或 others，决定一些后处理策略
text_type: general
# 是否使用文档预处理模块（方向分类 + 扭曲矫正）
# 如无严重倾斜/扫描件，建议设为 False，可显著提升速度
use_doc_preprocessor: False
# 是否对检测出的文本行进行角度分类（如 0° / 90° / 180°）
# mobile 模型一般建议关闭
use_textline_orientation: False
# 正式的 OCR 主流程模块
SubModules:
# 文本检测模块（通常是基于 DB 的检测器）
TextDetection:
module_name: text_detection
model_name: PP-OCRv5_server_det # 使用的是 server 版大模型，精度高但速度慢
model_dir: ./pipeline/det_inference # 本地模型文件夹路径（需包含 model.pdmodel 等）
limit_side_len: 64 # 输入图最短边 resize 到此尺寸（可适当调大提高效果）
limit_type: min
max_side_limit: 4000 # 最长边最大不超过此值
thresh: 0.3 # 检测 binarize 阈值
box_thresh: 0.6 # 文本框置信度阈值
unclip_ratio: 1.5 # DB 算法的后处理参数，控制框扩大比例
# 文本识别模块（通常是 CRNN + CTC 或 SVTR 模型）
TextRecognition:
module_name: text_recognition
model_name: PP-OCRv5_server_rec # 同样使用的是 server 版识别模型
model_dir: ./pipeline/rec_inference
batch_size: 6 # 一次识别图块的数量，适当调大可提高 GPU 利用率
score_thresh: 0.0 # 识别结果置信度下限，低于此不输出
```
### 2.3 运行服务器
通过 PaddleX CLI 运行服务器：
```bash
paddlex --serve --pipeline {产线名称或产线配置文件路径} [{其他命令行选项}]
```
参考命令:
```bash
paddlex --serve --pipeline .\OCR.yaml --device gpu:0 --port 8866
```
可以看到类似以下展示的信息，即代表成功
```
INFO: Started server process [63108]
INFO: Waiting for application startup.
INFO: Application startup complete.
INFO: Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)
```
### 2.4 调用服务
对于服务提供的主要操作：
- HTTP请求方法为POST。
- 请求体和响应体均为JSON数据（JSON对象）。
- 当请求处理成功时，响应状态码为`200`，响应体的属性如下：
| 名称 | 类型 | 含义 |
| :---------- | :-------- | :---------------------------- |
| `logId` | `string` | 请求的UUID。 |
| `errorCode` | `integer` | 错误码。固定为`0`。 |
| `errorMsg` | `string` | 错误说明。固定为`"Success"`。 |
| `result` | `object` | 操作结果。 |
- 当请求处理未成功时，响应体的属性如下：
| 名称 | 类型 | 含义 |
| :---------- | :-------- | :------------------------- |
| `logId` | `string` | 请求的UUID。 |
| `errorCode` | `integer` | 错误码。与响应状态码相同。 |
| `errorMsg` | `string` | 错误说明。 |
服务提供的主要操作如下：
- **`infer`**
获取图像OCR结果。
```
POST /ocr
```
- 请求体的属性如下：
| 名称 | 类型 | 含义 | 是否必填 |
| :-------------------------- | :-------- | :----------------------------------------------------------- | :----------------------------------------------------------- |
| `file` | `string` | 服务器可访问的图像文件或PDF文件的URL，或上述类型文件内容的Base64编码结果。默认对于超过10页的PDF文件，只有前10页的内容会被处理。 要解除页数限制，请在产线配置文件中添加以下配置：`Serving: extra: max_num_input_imgs: null ` | 是 |
| `fileType` | `integer` | `null` | 文件类型。`0`表示PDF文件，`1`表示图像文件。若请求体无此属性，则将根据URL推断文件类型。 |
| `visualize` | `boolean` | `null` | 是否返回可视化结果图以及处理过程中的中间图像等。传入 `true`：返回图像。传入 `false`：不返回图像。若请求体中未提供该参数或传入 `null`：遵循产线配置文件`Serving.visualize` 的设置。 例如，在产线配置文件中添加如下字段： `Serving: visualize: False `将默认不返回图像，通过请求体中的`visualize`参数可以覆盖默认行为。如果请求体和配置文件中均未设置（或请求体传入`null`、配置文件中未设置），则默认返回图像。 |
| `useDocOrientationClassify` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_orientation_classify` 参数相关说明。 |
| `useDocUnwarping` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_doc_unwarping` 参数相关说明。 |
| | | | |
| `useTextlineOrientation` | `boolean` | `null` | 请参阅产线对象中 `predict` 方法的 `use_textline_orientation` 参数相关说明。 |
| `textDetLimitSideLen` | `integer` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_side_len` 参数相关说明。 |
| `textDetLimitType` | `string` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_limit_type` 参数相关说明。 |
| `textDetThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_thresh` 参数相关说明。 |
| `textDetBoxThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_box_thresh` 参数相关说明。 |
| `textDetUnclipRatio` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_det_unclip_ratio` 参数相关说明。 |
| `textRecScoreThresh` | `number` | `null` | 请参阅产线对象中 `predict` 方法的 `text_rec_score_thresh` 参数相关说明。 |
- 请求处理成功时，响应体的`result`具有如下属性：
| 名称 | 类型 | 含义 |
| :----------- | :------- | :----------------------------------------------------------- |
| `ocrResults` | `object` | OCR结果。数组长度为1（对于图像输入）或实际处理的文档页数（对于PDF输入）。对于PDF输入，数组中的每个元素依次表示PDF文件中实际处理的每一页的结果。 |
| `dataInfo` | `object` | 输入数据信息。 |
`ocrResults`中的每个元素为一个`object`，具有如下属性：
| 名称 | 类型 | 含义 |
| :---------------------- | :------- | :----------------------------------------------------------- |
| `prunedResult` | `object` | 产线对象的 `predict` 方法生成结果的 JSON 表示中 `res` 字段的简化版本，其中去除了 `input_path` 和 `page_index` 字段。 |
| `ocrImage` | `string` | `null` |
| `docPreprocessingImage` | `string` | `null` |
| `inputImage` | `string` | `null` |
**Java调用实例**
```java
package cn.g3soft;
import okhttp3.*;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.node.ObjectNode;
import javax.imageio.IIOImage;
import javax.imageio.ImageIO;
import javax.imageio.ImageWriteParam;
import javax.imageio.ImageWriter;
import javax.imageio.stream.ImageOutputStream;
import java.awt.image.BufferedImage;
import java.io.*;
import java.util.Base64;
public class Test {
public static void main(String[] args) throws IOException {
String API_URL = "http://localhost:8866/ocr";
String imagePath = "D:\\code\\python-project\\boxocr\\100-2\\20241004082017A007.jpg";
// 压缩并限制最大500KB大小
long maxSizeBytes = 500 * 1024;
long compressStart = System.currentTimeMillis();
byte[] compressedBytes = compressImageToMaxSize(imagePath, maxSizeBytes);
long compressEnd = System.currentTimeMillis();
System.out.println("Image compression time: " + (compressEnd - compressStart) + " ms");
System.out.println("Compressed image size: " + compressedBytes.length + " bytes");
String base64Image = Base64.getEncoder().encodeToString(compressedBytes);
ObjectMapper objectMapper = new ObjectMapper();
ObjectNode payload = objectMapper.createObjectNode();
payload.put("file", base64Image);
payload.put("fileType", 1);
OkHttpClient client = new OkHttpClient();
MediaType JSON = MediaType.get("application/json; charset=utf-8");
RequestBody body = RequestBody.create(JSON, payload.toString());
long ocrStart = System.currentTimeMillis();
Request request = new Request.Builder()
.url(API_URL)
.post(body)
.build();
try (Response response = client.newCall(request).execute()) {
long ocrEnd = System.currentTimeMillis();
System.out.println("OCR request elapsed time: " + (ocrEnd - ocrStart) + " ms");
if (response.isSuccessful()) {
String responseBody = response.body().string();
JsonNode root = objectMapper.readTree(responseBody);
JsonNode result = root.get("result");
JsonNode ocrResults = result.get("ocrResults");
for (int i = 0; i < ocrResults.size(); i++) {
JsonNode item = ocrResults.get(i);
JsonNode prunedResult = item.get("prunedResult");
System.out.println("Pruned Result [" + i + "]: " + prunedResult.toString());
// 提取 rec_texts 和 rec_scores
JsonNode recTextsNode = prunedResult.get("rec_texts");
JsonNode recScoresNode = prunedResult.get("rec_scores");
if (recTextsNode != null && recScoresNode != null && recTextsNode.isArray() && recScoresNode.isArray()) {
System.out.println("rec_texts:");
for (JsonNode textNode : recTextsNode) {
System.out.println(" " + textNode.asText());
}
System.out.println("rec_scores:");
for (JsonNode scoreNode : recScoresNode) {
System.out.println(" " + scoreNode.asDouble());
}
} else {
System.out.println("rec_texts or rec_scores not found or invalid format.");
}
// 保存 OCR 图片为文件
String ocrImageBase64 = item.get("ocrImage").asText();
byte[] ocrImageBytes = Base64.getDecoder().decode(ocrImageBase64);
String ocrImgPath = "ocr_result_" + i + ".jpg";
try (FileOutputStream fos = new FileOutputStream(ocrImgPath)) {
fos.write(ocrImageBytes);
System.out.println("Saved OCR image to: " + ocrImgPath);
}
}
} else {
System.err.println("Request failed with HTTP code: " + response.code());
}
}
}
/**
* 压缩图片，最大限制文件大小，不超过maxFileSizeBytes
* 通过递减压缩质量尝试实现大小限制，最低质量0.1
*/
public static byte[] compressImageToMaxSize(String imagePath, long maxFileSizeBytes) throws IOException {
File file = new File(imagePath);
BufferedImage image = ImageIO.read(file);
if (image == null) {
throw new IOException("Failed to read image from " + imagePath);
}
ImageWriter jpgWriter = ImageIO.getImageWritersByFormatName("jpg").next();
ImageWriteParam jpgWriteParam = jpgWriter.getDefaultWriteParam();
jpgWriteParam.setCompressionMode(ImageWriteParam.MODE_EXPLICIT);
float quality = 0.9f;
ByteArrayOutputStream baos = new ByteArrayOutputStream();
while (quality >= 0.1f) {
baos.reset();
jpgWriteParam.setCompressionQuality(quality);
try (ImageOutputStream ios = ImageIO.createImageOutputStream(baos)) {
jpgWriter.setOutput(ios);
jpgWriter.write(null, new IIOImage(image, null, null), jpgWriteParam);
}
if (baos.size() <= maxFileSizeBytes) {
jpgWriter.dispose();
return baos.toByteArray();
}
quality -= 0.05f;
}
// 质量降至最低仍未达到限制，返回最后压缩结果
jpgWriter.dispose();
return baos.toByteArray();
}
}
```
## 错误情况
### Please use PaddlePaddle with GPU version.
原因：当前 PaddlePaddle 版本不是GPU的，而是CPU的。
解决方法：安装GPU版本的PaddlePaddle
### ImportError：DLL load failed while importing cv2：找不到指定的模块
当前环境：Windows Server 2012
**安装 Microsoft Visual C++ Redistributable**
- OpenCV 依赖于 Microsoft Visual C++ Redistributable 运行时库。如果这些库缺失，可能会导致 DLL 加载失败。
- 下载并安装最新版本的 Microsoft Visual C++ Redistributable：
- [Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019（64 位系统）](https://aka.ms/vs/16/release/vc_redist.x64.exe)
- [Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019（32 位系统）](https://aka.ms/vs/16/release/vc_redist.x86.exe)
**检查 Python 和 OpenCV 的位数是否匹配**
- 确保你安装的 Python 版本（32 位或 64 位）与 OpenCV 的位数一致。
- 你可以通过以下命令检查 Python 的位数：
```bash
python -c "import struct; print(struct.calcsize('P') * 8)"
```
- 如果不匹配，卸载并重新安装正确位数的 Python 和 OpenCV。
安装完成后，重启计算机。
**一定要打开桌面实验**
1. 打开服务器面板，选择 **添加角色和功能**
![alt text](assets/1773823099348.png)
2. 在功能处开启 **桌面体验**
![alt text](assets/1773823189917.png)
如果开启 桌面体验 报错：**尚未开启 WinRM 服务**， 这个时候需要开启 `Windows Remote Management (WS-Management) `
![alt text](assets/1773823507355.png)
如果在开启过程中报错：**错误1068:依存服务或组无法启动**
点击属性，找到 **依存关系**，确保依赖的服务已开启
![alt text](assets/1773823676516.png)
检查 `HTTP Service` 服务是否启动
```bash
sc query http
```
如果出现 `STATE : 1 STOPPED` ，那么就代表该服务已被禁用，解决方案如下：
1. 启用 HTTP 服务
```bash
sc config http start= auto
```
2. 启动 HTTP
```bash
net start http
```
3. 验证，应该输出 `STATE : RUNNING`
```bash
sc query http
```
4. 重建 WinRM（必须）
```bash
winrm invoke Restore winrm/Config @{}
winrm quickconfig -q
```
code/docusaurus/docs/coding/python/paddlepaddle/assets/1773821823514.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 95 KiB

code/docusaurus/docs/coding/python/paddlepaddle/assets/1773821856182.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 85 KiB

code/docusaurus/docs/coding/python/paddlepaddle/assets/1773823099348.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 43 KiB

code/docusaurus/docs/coding/python/paddlepaddle/assets/1773823189917.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 51 KiB

code/docusaurus/docs/coding/python/paddlepaddle/assets/1773823507355.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 219 KiB

code/docusaurus/docs/coding/python/paddlepaddle/assets/1773823676516.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 22 KiB