补上这个记录（其它服务按装注意版本匹配即可，或参考已发布的其它类型服务部署记录及注意点文章即可）
1、采用容器部署(根据驱动版本在dockerhub官方镜像库选择, 此文档以cuda10.1示例)
sudo docker run --name ppocr -p 8868:8868 --gpus all -itd registry.baidubce.com/paddlepaddle/paddle:2.0.2-gpu-cuda10.1-cudnn7
注意：--gpus all 是表示使用所有gpu设备向容器提供计算，可单个或指定：--gpus 0,1 (具体指定请自行查询)
2、当容器初始化好后根据容器id进入上述容器
sudo docker exec -it xxx
3、进入python编译器验证paddle版本及驱动版本是否正确，无误将提示使用了哪些GPU设备号进行了技术，是否成功验证，并输出提示可以开始学习飞桨知识了(容器内已经预装python3.5、3.7、3.8，使用时指定版本号即可，或-V确认)。
python3.7
import paddle
paddle.utils.run_check()
注：有误请确认自身驱动版本与cuda，cudnn等版本是否一致，以及检查paddle版本是否正确。
nvcc -V #验证运行时cuda版本
nvidia-smi #验证驱动版本及cuda版本
nvidia-smi -L#列出gpu设备及设备号
接下来按需照搬官方文档即可
4、安装paddlehub
paddlehub 需要 python>3.6.2
pip3.7 install paddlehub==2.1.0 --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
5、下载推理模型
安装服务模块前，需要准备推理模型并放到正确路径。默认使用的是PP-OCRv2模型，默认模型路径为(根路径为: PaddleOCR )：
检测模型：./inference/ch_PP-OCRv2_det_infer/
识别模型：./inference/ch_PP-OCRv2_rec_infer/
方向分类器：./inference/ch_ppocr_mobile_v2.0_cls_infer/
模型路径可在params.py中查看和修改。 更多模型可以从PaddleOCR提供的模型库下载，也可以替换成自己训练转换好的模型。
6、安装服务模块
PaddleOCR提供3种服务模块，根据需要安装所需模块。
# 安装检测服务模块：
hub install deploy/hubserving/ocr_det/
# 或，安装分类服务模块：
hub install deploy/hubserving/ocr_cls/
# 或，安装识别服务模块：
hub install deploy/hubserving/ocr_rec/
# 或，安装检测+识别串联服务模块：
hub install deploy/hubserving/ocr_system/</pre>
7、启动服务
使用GPU 0号卡启动串联服务（端口号官方文档默认8868）：
export CUDA_VISIBLE_DEVICES=0
hub serving start -c deploy/hubserving/ocr_system/config.json
8、访问示例(不想确认环境就再开一个终端进入容器的 PaddleOCR/ 目录执行)：
python3.7 tools/test_hubserving.py http://127.0.0.1:8868/predict/ocr_system ./doc/imgs/
