hubserving=PaddleHub Serving
pdserving=PaddleHub Serving
hub install =指通过paddlehub库直接安装部署服务
pdserving更适合企业级部署，性能更高，摘取官方的介绍:
- 支持客户端和服务端之间高并发和高效通信
- 支持 工业级的服务能力 例如模型管理，在线加载，在线A/B测试等
- 支持 多种编程语言 开发客户端，例如C++, Python和Java
hubserving可以理解为源码方式安装某个服务，配置型强
hub install 其实和hubserving方式一样，都使用paddlehub库进行部署的，其首次进行识别的的时候，会自动下载模型文件，真正一条命令就可以运行起来一个服务，部署起来超简单。
不足之处在于我现在还没找到对于相关模块的配置。只有paddlehub自己的一些启动参数可配置。如果你的显卡比较好，又想快点部署，优先考虑采用本方式。低端显卡要是使用此种方式，会导致显存迅速拉满，然后不可用，我现在也没找到解决办法。
相同配置的硬件，使用该种方式，CPU版相较于hubserving明显速度变慢很多，估计是某些参数没设置好，请酌情使用，GPU版本未测试
除了本文的OCR，还有很多有趣的服务通过此种方式可快速搭建，详见
- 相同价格的硬件，识别速度上还是
GPU速度更快，优先选择GPU - 部署方式上优先选择
pdserving方式 - 如果你没有显卡，只能用
CPU的话，一定要确认你的CPU要支持AVX指令集，验证方法:lscpu | grep avx没有AVX指令的话，部署起来比较困难，而且识别速度应该会很慢。 如果你真想部署的话，要安装对应的noavx版本的paddlepaddle，whl包在这并且只能使用Python3.8,这个我暂时没时间验证是否能安装成功。等后面有时间了再研究一下... - 当你使用
wget获取资源的时候，如果发现速度很慢，只有几十KB,你可以尝试一下Ctrl+C取消后再重新获取，这个问题是什么导致的我也不清楚 - 如果你使用的是阿里云或者其他（非百度）的云平台获取资源的时候，速度奇慢，我想是被百度限制了，这时候你可能需要在本地下载好再传到你机器上，当然你也可以使用代理的方式
- 当你真想部署成一个可靠的服务时，
GPU显存我感觉最少要16 GB - 当你在阿里云上使用
pdserving方式部署，有可能遇到显存被瞬间填满，机器卡死的情况。我本以为是PaddleServing造成的现存泄露，我也一直在纠结这个问题。但在百度的aistudio上，同样16G显存，aistudio是正常的