Files
ocr-server/scripts/package-ubuntu.sh
zimoyin 5ab4bef80e build: CPU/GPU 双环境、产物命名与打包修复
交付:
  · 产物按变体命名:CPU -> dist/ocr-server/,GPU -> dist/ocr-server-gpu/。
    变体由构建环境实际装的 paddle 自动判断,不需要人工声明
  · GPU 包额外加 --collect-binaries nvidia。漏收的后果实测是最难查的那种:
    引擎能正常加载、设备也识别成 GPU,但第一次推理才报
    cudnn64_9.dll error 126
  · --copy-metadata 的发行包名随变体变化(paddlepaddle / paddlepaddle-gpu),
    改由 scripts/paddle_env.py 动态取;写死任何一个在另一种环境下都打不出包
  · 新增 scripts/prepare_release_config.py 按变体覆盖发布配置(用 Python 改写
    以保持 UTF-8,PowerShell 的 Set-Content 会把中文注释写坏)

环境:
  · paddle 从 pyproject 依赖里移除,改用 scripts/install_paddle.py 安装。
    它没法写死:CPU/GPU 互斥,GPU 还得按显卡选 CUDA 通道(RTX 50 系必须 cu129)。
    钉死 CPU 版时,uv sync / uv run / PyCharm 自动同步都会把装好的
    paddlepaddle-gpu 静默挤掉、服务悄悄退回 CPU(实测踩过三次)
  · 新增 scripts/switch_env.py:.venv(CPU)与 .venv-gpu(GPU)两套环境共存,
    切换零成本;所有 uv run 补 --no-sync,打包改用 uv sync --inexact
  · 预置模型扩到 8 套(v4/v5 × 服务端/移动端 × 检测/识别,约 398MB)

其它:
  · scripts/start.* 先找发布包再退回源码环境;入口脚本名固定是 ocr-server
  · benchmark_ocr.py 输出 segments 与 chars,换设备/模型时可直接比对召回
  · .gitignore 覆盖 .venv-gpu/ 与 dist*/

Co-Authored-By: Claude Code <noreply@anthropic.com>
2026-10-14 03:53:48 +08:00

159 lines
7.2 KiB
Bash
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
#!/usr/bin/env bash
# 打包 Ubuntu/Linux 发布包(--onedir 目录形式)。
#
# CPU / GPU 两个变体由**构建环境里装的 paddlepaddle 版本**自动决定,不需要手动指定:
# 装了 paddlepaddle -> CPU 包,输出到 dist/
# 装了 paddlepaddle-gpu -> GPU 包,dist/ocr-server-gpu/,且 config.yaml 的 device 预置为 auto
# GPU 包的同一个分发包在没显卡的机器上也能启动(会自动回落 CPU,见 README)。
#
# 关键参数说明,改动前请先读:
# --collect-all paddle/paddlex/paddleocr Paddle 的原生库与配置必须整体收集,缺一个就跑不起来
# --collect-all pyclipper/pypdfium2/shapely/bidi
# 检测后处理与识别的必需依赖,漏了会在推理时报错
# --copy-metadata * PaddleX 通过 importlib.metadata 检查依赖,
# 缺元数据会误判「依赖未安装」。
# ⚠️ paddle 的发行包名随变体变化(paddlepaddle /
# paddlepaddle-gpu),写死会打不出包,
# 所以由 scripts/paddle_env.py 动态取。
# --additional-hooks-dir scripts 启用 scripts/hook-imagesize.py
# --hidden-import imagesize 源码环境下按需导入,打包时必须显式声明
#
# 必须在 Linux 上执行:PyInstaller 不能交叉编译,Windows 上无法生成 ELF 二进制。
#
# 用法:
# ./scripts/package-ubuntu.sh # 按环境自动判断变体
# ./scripts/package-ubuntu.sh --gpu # 断言必须是 GPU 版 paddle
set -euo pipefail
PROJECT_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
cd "$PROJECT_ROOT"
if [[ "$(uname -s)" != "Linux" ]]; then
printf '%s\n' '该脚本必须在 Ubuntu/Linux 环境执行,不能在 Windows 上生成 ELF 二进制。' >&2
exit 1
fi
REQUIRE_GPU=0
for arg in "$@"; do
case "$arg" in
--gpu) REQUIRE_GPU=1 ;;
*)
printf '未知参数:%s\n' "$arg" >&2
exit 2
;;
esac
done
# --inexact + --no-install-package paddlepaddle:只同步除 paddle 以外的依赖。
# pyproject.toml 里声明的是 CPU 版 paddlepaddle,裸跑 uv sync 会「卸载
# paddlepaddle-gpu 和全部 nvidia-* 运行库、装回 CPU 版」,把 GPU 环境悄悄冲掉;
# 而单独用 --no-install-package 又会把 paddlepaddle-gpu 当多余包删掉。
# 这两个参数合用才能保住当前装的 paddle 变体(实测 dry-run 为 no changes)。
uv sync --dev --inexact --no-install-package paddlepaddle --python 3.12
# ── 判断变体 ──────────────────────────────────────────────────
VARIANT="$(uv run --no-sync python scripts/paddle_env.py variant)"
PADDLE_DIST="$(uv run --no-sync python scripts/paddle_env.py distribution)"
if [[ "$VARIANT" == "missing" ]]; then
printf '%s\n' '环境里没有安装 paddlepaddle,请先执行 uv sync。' >&2
exit 1
fi
if [[ "$REQUIRE_GPU" == "1" && "$VARIANT" != "gpu" ]]; then
cat >&2 <<EOF
要求打 GPU 包,但当前环境装的是 ${VARIANT} 版 paddle(发行包 ${PADDLE_DIST})。
请先换 GPU 版(版本必须同为 3.2.x):
uv run --no-sync python scripts/install_paddle.py --gpu
# (install_paddle.py 会自动识别显卡并选对 CUDA 通道)
⚠️ RTX 50 系必须用 cu129,cu118 / cu126 不含 sm_120 内核,装了会在推理时报
Mismatched GPU Architecture。40/30 系 cu126 / cu129 均可。
详见 README「CPU / GPU 切换」。
EOF
exit 1
fi
# 变体由构建环境里实际装的 paddle 决定,没有「强制」开关——
# 产物里打进的就是当前环境的 paddle,改了名字也不会变,只会误导。
BUILD_VARIANT="$VARIANT"
# 产物命名:CPU 版叫 ocr-server,GPU 版叫 ocr-server-gpu,都放在 dist 下,
# 两个发布包一眼能分辨,也不会互相覆盖。
DIST_PATH="dist"
APP_NAME="ocr-server"
if [[ "$BUILD_VARIANT" == "gpu" ]]; then
APP_NAME="ocr-server-gpu"
# 预置 auto 而不是 gpu:机器有卡就用卡、拿不到 CUDA 设备就回落 CPU,两种情况都不会把服务卡死。
CONFIG_OVERRIDE="device=auto"
else
CONFIG_OVERRIDE=""
fi
RELEASE_DIR="$PROJECT_ROOT/$DIST_PATH/$APP_NAME"
printf '构建变体:%s(paddle 发行包 %s)\n' "$BUILD_VARIANT" "$PADDLE_DIST"
printf '输出目录:%s\n' "$RELEASE_DIR"
# 只清当前变体的目录和 build,别把另一个变体的产物一起删了
rm -rf build "$RELEASE_DIR"
# GPU 版必须额外收 nvidia 命名空间:paddlepaddle-gpu 的 CUDA 运行库(cudnn / cublas /
# cufft 等)装在独立的 nvidia-* 发行包里,`--collect-all paddle` 收不到它们。
# 漏收的后果实测是:引擎能加载、设备识别成 GPU,但第一次推理就报
# `PreconditionNotMetError: cudnn64_9.dll ... error code is 126`。
# 收进来的落点是 _internal/nvidia/<包>/bin,正好是 paddle 在 __init__.py 里
# 用 os.add_dll_directory 寻找的路径(os.path.dirname(paddle.__file__)/../nvidia)。
EXTRA_COLLECT=()
if [[ "$BUILD_VARIANT" == "gpu" ]]; then
EXTRA_COLLECT=(--collect-binaries nvidia)
fi
uv run --no-sync pyinstaller --noconfirm --clean --onedir --name "$APP_NAME" \
--distpath "$DIST_PATH" \
--paths src \
--collect-all paddleocr \
--collect-all paddlex \
--collect-all paddle \
"${EXTRA_COLLECT[@]+"${EXTRA_COLLECT[@]}"}" \
--collect-all cv2 \
--collect-all PIL \
--collect-all pyclipper \
--collect-all pypdfium2 \
--collect-all shapely \
--collect-all bidi \
--hidden-import paddlex.inference.models.text_detection.processors \
--copy-metadata paddlex \
--copy-metadata paddleocr \
--copy-metadata "$PADDLE_DIST" \
--copy-metadata imagesize \
--add-data 'config.yaml:.' \
--add-data 'http:http' \
--additional-hooks-dir scripts \
--hidden-import imagesize \
--hidden-import imagesize.imagesize \
--hidden-import ocr_server.app \
--hidden-import ocr_server.config \
scripts/packaged_entry.py
# shellcheck disable=SC2086
uv run --no-sync python scripts/prepare_release_config.py config.yaml "$RELEASE_DIR/config.yaml" $CONFIG_OVERRIDE
cp -a models "$RELEASE_DIR/models"
chmod +x "$RELEASE_DIR/ocr-server"
BIN="$RELEASE_DIR/$APP_NAME"
if [[ ! -x "$BIN" ]]; then
printf '打包失败:未生成 %s\n' "$BIN" >&2
exit 1
fi
TOTAL_MB="$(du -sm "$RELEASE_DIR" | cut -f1)"
printf '\nUbuntu 发布目录:%s\n' "$RELEASE_DIR"
printf '变体:%s\n' "$BUILD_VARIANT"
printf '%s\n' '启动:'"$RELEASE_DIR/$APP_NAME"
printf '整个发布目录体积:%s MB\n' "$TOTAL_MB"
printf '二进制 SHA256:%s\n' "$(sha256sum "$BIN" | cut -d' ' -f1)"
if [[ "$BUILD_VARIANT" == "gpu" ]]; then
printf '%s\n' '已把发布包里的 config.yaml 预置为 device: auto;有可用显卡时用 GPU,否则自动用 CPU。'
else
printf '%s\n' 'CPU 包。客户机若要用 GPU,需要改用 GPU 版分发包(用 paddlepaddle-gpu 环境重新打包)。'
fi
printf '%s\n' '(发布时要连 _internal 和 models 一起复制,不能只替换二进制)'