不知道能否增加GPU版本的支持

[yang-521]

能够切换版本，以加速识别效率。

[hiroi-sora]

在考虑中，不过短期内可能没有精力做。 代码层面应该不用怎么改动，关键在于配置环境，然后打包发行包

[AClon314]

@hiroi-sora 你好，我是个开发小白。请问下：

1. 如果做GPU，有没有必要用docker或podman等虚拟容器的端口映射docker -p <主机端口>:<容器端口>，来做GPU的虚拟环境？
2. 因为我今天刚本地部署，2.5.2-gpu-cuda12.0-cudnn8.9-trt8.6的官方镜像有22GB这么大。为什么会这么大？而umi-ocr也使用到paddle ocr模型，安装包却没超过300MB？难道不需要paddlepaddle-gpu和paddlepaddle的python库也可以做ocr吗？

提前先感谢您能抽空看到这里🌷

[hiroi-sora]

1. 如果做GPU，有没有必要用docker或podman等虚拟容器的端口映射docker -p <主机端口>:<容器端口>，来做GPU的虚拟环境？

我们考虑过一种方案：用户可以在高性能服务器（or家用电脑）上通过docker部署GPU版OCR引擎，局域网中所有设备的 Umi-OCR 都可以访问该服务器来执行OCR任务，而无需在物理系统上进行复杂的环境配置。

只是个想法，目前版本Umi还未支持。

2. 因为我今天刚本地部署，2.5.2-gpu-cuda12.0-cudnn8.9-trt8.6的官方镜像有22GB这么大。为什么会这么大？

正常，cuda环境依赖库就是需要数G，乃至十几G的空间。这也是普通用户使用GPU服务的门槛之一。

也有部分显卡加速库不依赖（完整的）cuda，更易用。我们未来将研究下。

而umi-ocr也使用到paddle模型，安装包却没超过300MB？难道不需要paddlepaddle-gpu和paddlepaddle的python库也可以做ocr吗？

OCR确实不依赖GPU。OCR这样的神经网络模型可以看作一个具有很多参数的数学函数。任何人（推理后端）只要拿到参数（模型文件），就可以计算出相同的结果。Paddle的模型也支持多种推理后端，比如PP官方的paddle inference后端，onnx、ncnn等开源后端。

Umi的Paddle插件用的是 paddle inference C++后端，Rapid插件用的是 rapid onnx C++ 后端，它们的性能都比python版本更好，体积更小。

如果你想简单地在本地部署OCR，也可以尝试一下 PaddleOCR-json / RapidOCR-json 。