作者：AVNET 李鑫杰

上文介绍了《一键搞定！PP-OCRv5模型转ONNX格式全攻略》，本文将使用ROCm™在AMD® CPU、独立显卡、集成显卡上优化并部署飞桨PP-OCRv5模型。

一，ROCm™ 工具套件简介

ROCm™（Radeon Open Compute）是 AMD 推出的开源软件栈，旨在为 GPU 加速计算提供全面支持。它包含驱动程序、编译器、开发工具、库函数和 API，覆盖从底层内核开发到上层应用部署的完整开发流程，广泛适用于高性能计算（HPC）、人工智能（AI）和机器学习等领域。

ROCm™ 特别针对生成式 AI 和 HPC 工作负载进行了深度优化，具备良好的生态系统兼容性和代码可移植性，能够帮助开发者快速将基于 CUDA 等平台的现有项目迁移至 AMD 平台。无论是以卷积神经网络（CNN）为核心的预测式 AI 模型（Predictive AI），还是以 Transformer 架构为主的生成式 AI 模型（Generative AI），ROCm 均提供了高效的运行支持。

此外，ROCm™ 不仅支持 AMD Radeon 独立显卡（dGPU），还兼容集成在 AMD CPU 中的核显（iGPU），使得开发者能够在多样化的硬件环境中灵活部署 AI 模型，实现本地化高效推理与训练

下表展示PP-OCRv5 Server版模型，经过ROCm™优化后，在AMD HX370上运行的性能。性能测试代码和的图片来自于开源项目：

https://github.com/liebedir/PP-OCRv5-AMD-ROCm

二，搭建ROCm™开发环境

首先，请克隆PP-OCRv5_AMD-ROCm到本地

git clone https://github.com/liebedir/PP-OCRv5-AMD-ROCmcd PP-OCRv5-AMD-ROCm

接着，安装ROCm™：

wget https://repo.radeon.com/amdgpu-install/6.4.3/ubuntu/jammy/amdgpu-install_6.4.60403-1_all.deb

sudo apt install ./amdgpu-install_6.4.60403-1_all.deb

sudo apt update

sudo apt install "linux-headers-$(uname -r)" "linux-modules-extra-$(uname -r)"

sudo apt install amdgpu-dkms

sudo apt install python3-setuptools python3-wheel

sudo usermod -a -G render,video $LOGNAME # Add the current user to the render and video groups

sudo apt install rocm

然后，添加环境变量到~/.bashrc，该环境变量与核显的架构相关，11.0.0适用于RDNA3架构核显，其他架构请参考https://github.com/liebedir/PP-OCRv5-AMD-ROCm：

vi ~/.bashrc
export HSA_OVERRIDE_GFX_VERSION=11.0.0

最后，重启计算机。

完成计算机重启后，创建python虚拟环境并安装onnxruntime-rocm

conda create -n ocr-rocm python==3.10
pip3 install onnxruntime-rocm -f https://repo.radeon.com/rocm/manylinux/rocm-rel-6.4.2/

接着，下载PP-OCRv5模型并导出为onnx格式。

至此，模型和环境准备完成！

三，编写PP-OCRv5推理程序

PP-OCRv5-AMD-ROCm项目已将推理程序编写完成，各文件功能如下：

执行演示程序main.py，并指定模型路径和推理硬件设备

python main.py --image_dir images/paddleocr_structure.png \ 
--det_model_dir ../PP-OCRv5_server_det_infer/inference.onnx\
--det_model_device GPU \
--rec_model_dir ../PP-OCRv5_server_rec_infer/inference.onnx\
--rec_model_device GPU

运行结果，如下图所示：

四，总结

使用AMD 的开发者可以通过ROCm™软件栈将PP-OCRv5模型部署到AMD的CPU、独立显卡或核显硬件平台上。

如果你有更好的文章，欢迎投稿！

稿件接收邮箱：nami.liu@pasuntech.com

更多精彩内容请关注“算力魔方®”！