安装
环境依赖
Linux | Windows | macOS Python 3.7 PyTorch 1.6 或更高版本 torchvision 0.7.0 CUDA 10.1 NCCL 2 GCC 5.4.0 或更高版本
准备环境
注解
如果你已经在本地安装了 PyTorch，请直接跳转到安装步骤。
第一步 下载并安装 Miniconda.
第二步 创建并激活一个 conda 环境：
conda create --name openmmlab python=3.8 -y conda activate openmmlab
第三步 依照官方指南，安装 PyTorch。
GPU 平台CPU 平台
conda install pytorch torchvision -c pytorch
安装步骤
我们建议大多数用户采用我们的推荐方式安装 MMOCR。倘若你需要更灵活的安装过程，则可以参考自定义安装一节。
推荐步骤
第一步 使用 MIM 安装 MMEngine， MMCV 和 MMDetection。
pip install -U openmim mim install mmengine mim install mmcv mim install mmdet
第二步 安装 MMOCR.
若你需要直接运行 MMOCR 或在其基础上进行开发，则通过源码安装（推荐）。
如果你将 MMOCR 作为一个外置依赖库使用，则可以通过 MIM 安装。
源码安装MIM 安装
git clone https://github.com/ocr.git cd mmocr pip install -v -e .
“-v” 会让安装过程产生更详细的输出
“-e” 会以可编辑的方式安装该代码库，你对该代码库所作的任何更改都会立即生效
第三步（可选） 如果你需要使用与 albumentations 有关的变换（如 ABINet 数据流水线中的 Albu），或需要构建文档、运行单元测试的依赖，请使用以下命令安装依赖：
源码安装MIM 安装
安装 albu
pip install -r requirements/albu.txt
安装文档、测试等依赖
pip install -r requirements.txt
注解
我们建议在安装 albumentations 之后检查当前环境，确保 opencv-python 和 opencv-python-headless 没有同时被安装，否则有可能会产生一些无法预知的错误。如果它们不巧同时存在于环境当中，请卸载 opencv-python-headless 以确保 MMOCR 的可视化工具可以正常运行。
查看 albumentations 的官方文档以获知详情。
检验
你可以通过运行一个简单的推理任务来检验 MMOCR 的安装是否成功。
PythonShell
在 Python 中运行以下代码：
from mmocr.apis import MMOCRInferencer
ocr = MMOCRInferencer(det=‘DBNet’, rec=‘CRNN’)
ocr(‘demo/demo_text_ocr.jpg’, show=True, print_result=True)
若 MMOCR 的安装无误，你在这一节完成后应当能看到以图片和文字形式表示的识别结果：
识别结果
{'predictions': [{'rec_texts': ['cbanks', 'docecea', 'grouf', 'pwate', 'chobnsonsg', 'soxee', 'oeioh', 'c', 'sones', 'lbrandec', 'sretalg', '11', 'to8', 'round', 'sale', 'year', 'ally', 'sie', 'sall'], 'rec_scores': [...], 'det_polygons': [...], 'det_scores': [...]}]}
![深度学习应用篇-计算机视觉-OCR光学字符识别[7]：OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标、应用场景](https://ucc.alicdn.com/fnj5anauszhew_20230611_eba1a5baa8bf41b08e8306e0af20dbcd.png?x-oss-process=image/resize,h_160,m_lfit)
