本文档旨在解决在使用 Docker 容器部署 FastAPI 应用时，Doctr 模型加载过程中出现的无限期挂起问题。通过分析问题原因，提供了一种解决方案，即确保 requirements.txt 文件中包含所有必要的依赖库，从而避免因缺少依赖项导致的导入错误和程序挂起。
问题分析
在使用 Docker 容器部署集成了 Doctr 模型的 FastAPI 应用时，可能会遇到应用在容器中无限期挂起的问题。尤其是在 API 调用涉及到 Doctr 模型的导入和加载时，问题更为突出。根据提供的代码和描述，问题很可能源于 Docker 镜像中缺少 Doctr 模型运行所需的某些依赖库。
解决方案
确保 requirements.txt 文件包含了所有必要的依赖项，是解决此问题的关键。以下步骤详细说明了如何操作：
检查 requirements.txt 文件： 仔细检查 requirements.txt 文件，确认是否包含了 Doctr 模型及其依赖的所有库。常见的依赖项包括 doctr 本身，以及其底层依赖的 torch, torchvision, Pillow 等。
-
添加缺失的依赖项： 如果发现缺少任何依赖项，请将其添加到 requirements.txt 文件中。例如：
doctr torch torchvision Pillow fastapi uvicorn
-
重新构建 Docker 镜像： 修改 requirements.txt 文件后，需要重新构建 Docker 镜像，以确保新的依赖项被正确安装。
docker build -t your_image_name .
-
运行 Docker 容器： 使用新构建的镜像运行 Docker 容器。
docker run -p 8000:8000 your_image_name
示例代码
以下是一个示例 requirements.txt 文件，包含了 Doctr 模型和 FastAPI 应用所需的常见依赖项：
fastapi==0.103.1 uvicorn==0.23.2 python-multipart==0.0.6 doctr==0.8.1 torch==2.0.1 torchvision==0.15.2 Pillow==10.0.1
确保你的 requirements.txt 文件中包含所有必要的依赖项，并根据你的项目实际情况进行调整。
注意事项
- 版本兼容性： 确保 requirements.txt 文件中指定的库版本与你的代码兼容。不同版本的库可能存在 API 差异，导致程序出错。
- 基础镜像： 选择合适的基础镜像也很重要。tiangolo/uvicorn-gunicorn-fastapi:python3.9 是一个常用的选择，因为它已经包含了 FastAPI 应用所需的常见依赖项。
- M1 Mac： 由于你使用的是 M1 Mac，可能需要特别注意一些库的安装方式。例如，对于 torch，可能需要使用 conda 或 pip 安装特定于 arm64 架构的版本。
总结
通过确保 requirements.txt 文件中包含所有必要的依赖项，可以有效解决 Docker 容器中 Doctr 模型加载无限期挂起的问题。在构建 Docker 镜像时，请务必仔细检查依赖项，并根据实际情况进行调整。同时，注意版本兼容性和硬件架构等因素，以确保程序能够正常运行。
