paddle ocr开启mkldnn加速后图片识别精度下降

最新推荐文章于 2024-07-19 18:53:45 发布
最新推荐文章于 2024-07-19 18:53:45 发布
阅读量596 收藏
点赞数 1
分类专栏： 图像识别 文章标签： paddle ocr
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bugang4663/article/details/134578444
版权

背景

使用ocr_system调用微调模型时发现部分图片在设置enable_mkldnn=True后出现识别精度下降问题

环境：

paddle==2.5.1
paddlehub==2.3.1
python==3.8.6

解决方案

tools\infer\utility.py文件中 line 269行左右，
在代码config.delete_pass("matmul_transpose_reshape_fuse_pass")
下面添加两行代码：
config.delete_pass("fc_mkldnn_pass")
config.delete_pass("fc_act_mkldnn_fuse_pass

参考：

https://github.com/PaddlePaddle/PaddleOCR/issues/10497

官方说会在后续版本中处理，但是截止发文时间点，paddle==2.5.2版本中仍无法解决该问题

小小晓晓阳
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
《深入浅出OCR》实战：基于PGNet的端到端识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
11-20 1191
本篇导读：在上一章【《深入浅出OCR》第五章：端到端文字识别】，本人着重介绍端到端识别算法的发展、分类及各自领域经典算法，为了进一步熟悉端到端识别流程，本次作者将以基于PGNet的端到端识别实战为例，全面对端到端识别技术流程进行解读，方便学习者快速上手实战。
OCR/STR生僻字数据训练 | PaddleOCR的Fine-tune常见问题汇总（3）
Andrwin的博客
09-18 7148
1、印章如何识别？ 使用带tps的识别网络或abcnet,2.使用极坐标变换将图片拉平之后使用crnn 2、多语言的字典里是混合了不同的语种，这个是有什么讲究吗？统一到一个字典里会对精度造成多大的损失？ 统一到一个字典里，会造成最后一层FC过大，增加模型大小。如果有特殊需求的话，可以把需要的几种语言合并字典训练模型，合并字典之后如果引入过多的形近字，可能会造成精度损失，字符平衡的问题可能也需要考虑一下。在PaddleOCR里暂时将语言字典分开。 3、如何对检测模型finetune，比如冻结.
paddleocr 做识别时，怎么让CPU多核都跑起来
anthea_luo的博客
07-21 3416
paddleocr 多核cpu
paddlepaddle CPU模型部署加速包 MKL-DNN
qq_15821487的博客
10-18 3016
模型自带即可，无需更改代码 安装好带 MKL-DNN 的 MXNet 之后，我们就可以运行 MXNet 上的模型了。因为 MXNet 使用 MKL-DNN 来加速原有的操作符，所以用户并不需要修改任何代码来提升性能。下面我们用 MXNet 自带的 benchmark 来展示使用 MKL-DNN 加速的 MXNet 在 CPU 上的性能。 加速说明 mkldnn的作用是为cpu运行网络加速； mkldnn是intel开发的开源项目，就是针对cpu上运行神经网络做了一些并行优化；但并不是针对所有模型都有效，比如
paddleocr快速入门：基于python脚本及命令行两种方式实现图片OCR识别
jiabiao1602的专栏
06-02 2436
paddleocr快速入门：基于python脚本及命令行两种方式实现图片OCR识别。
加快paddleocr识别速度的方法
qq_42220415的博客
12-14 3854
日常使用paddleocr识别字符时，识别速度是个大问题，有时识别一张图片可能需要耗时2~3秒，完全满足不了使用要求，按照使用经验，可用如下方法减少识别时间。
mkldnn理解
windmyself的专栏
05-07 2707
mkldnn的作用是为cpu运行网络加速； mkldnn是intel开发的开源项目，就是针对cpu上运行神经网络做了一些并行优化； mkldnn的github链接： https://github.com/intel/mkl-dnn mkldnn实际应用（基于paddle框架的应用）https://aistudio.baidu.com/aistudio/projectdetail/1204039 参考链接：https://blog.csdn.net/qian99/article/details/8433327
PaddleOCR C++编译出错解决方案
qq_55068938的博客
07-26 872
最近，想尝试下PaddleOCR的C++推理，但是过程不如人所愿，除了很多问题，这里捡重点的说下吧！
百度飞桨PaddleOCR的简单使用
fj_changing的博客
08-09 5329
PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。PaddleOCR是一个图像识别库，我只是用到了它的OCR功能，就是识别图片中的文字。其他的功能也很强大，我没用到。...
PaddleOCR用onnx推理代码并精度对齐
最新发布
u012374012的专栏
07-19 889
【代码】PaddleOCR用onnx推理代码并精度对齐。
winform版paddleocr 实时识别
09-16
5. mkldnn.dll：Intel的深度学习加速库，提升PaddlePaddle在深度学习计算中的性能。 6. EntityFramework.dll：这是Microsoft的ORM（Object-Relational Mapping）框架，简化了数据库操作，可能用于与tiku.db数据库的...
Intel MKL.dnn
08-02
Intel（R）用于深层神经网络的数学内核库（Intel（R）MKL-DNN）是一个用于深度学习应用程序的开源性能库。该图书馆加速了关于英特尔（R）架构的深度学习应用和框架。Intel（R）MKL-DNN包含了矢量化和线程化的构建块，您可以使用它来实现带有C和C++接口的深层神经网络（DNN）。
Paddle Inference推理部署
吴建明wujianming_110117
06-07 2019
Paddle Inference推理部署 飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业应用需求，拥有活跃的开发者社区生态。提供丰富的官方支持模型集合，并推出全类型的高性能部署和集成方案供开发者使用。 技术优势 • 开发便捷的深度学习框架 飞桨深度学习框架基于编程一致的深度学习计算抽象以及对应的前后端设计，拥有易学易用的前端编程界面和统一高效的内部核心架构，对普通开发者而言更容易上手并具备领先的训练性能
推荐项目：Intel MKL-DNN - 高性能深度学习库
gitblog_00020的博客
03-24 526
推荐项目：Intel MKL-DNN - 高性能深度学习库 oneDNN项目地址:https://gitcode.com/gh_mirrors/mk/mkl-dnn 是一个开源的、针对Intel处理器优化的深度学习推理（Inference）库。它利用了Intel数学核心库（Math Kernel Library, MKL）的优势，为机器学习和深度神经网络提供了强大的计算效率。 项目简介 MKL-...
MKL-DNN学习笔记 (三) ReLU层的代码实现和分析
sandmangu的专栏
10-10 1684
ReLU层的实现相对比较简单，第一篇文章里用到的cpu_getting_started.cpp实际上就是一个ReLU的实现。所以我们只要分析一下这部分代码就可以了，正好借着这个机会看看整个mkldnn编程的思路 官方mkldnn的开发文档可以在这里看到https://intel.github.io/mkl-dnn/ 整个代码的流程如下 可以看到整个mkldnn的开发思路都是任何对象（例...
太极平台高效支持MKLDNN动态shape推理
m0_68969027的博客
04-24 1797
本文主要介绍太极推理加速针对通用性选用MKLDNN作为神经网络计算库原因，并阐述MKLDNN动态shape推理优化方案，展示在人脸识别等业务中的加速效果。
Intel® MKL-DNN
既然选择了远方 便只顾风雨兼程 - 永强
01-15 756
Intel® MKL-DNN 在现代英特尔架构中，缓存和内存使用效率会对整体性能产生显著影响。良好的内存访问模式可以最大限度地降低访问内存数据的额外成本，不会降低整体处理速度。若要实现这一目标，数据的存储和访问方式起着重要作用。这通常被称为数据布局。它描述了多维数组如何在内存地址空间中线性存储。 1. Intel® Math Kernel Library for Deep Neural Networks (Intel® MKL-DNN) 数据布局由二维图像的 四个字母表示。 N：批次大小，表示一个批次中的图
『paddle』paddleclas 学习笔记：图像识别
libo-coder
07-06 1809
图像识别快速开始1. 图像识别体验1.1 下载、解压 inference 模型与 demo 数据1.2 商品识别与检索1.2.1 识别单张图像2.2.2 基于文件夹的批量识别2. 未知类别的图像识别体验2.1 准备新的数据与标签2.2 建立新的索引库2.3 基于新的索引库的图像识别 1. 图像识别体验 检测模型与4个方向 (Logo、动漫人物、车辆、商品) 的识别 inference 模型、测试数据下载地址以及对应的配置文件地址如下。 模型简介 推荐场景 inference模型 预测配置文件 构建
【小白】基于百度飞桨PaddleClas的图像识别项目-实战
Thegirlaisvery的博客
03-14 2239
基于python和百度paddleclas模型进行训练
paddle ocr将识别结果以图片形式输出
05-16
是的，PaddleOCR可以将识别结果以图片形式输出。您可以使用PaddleOCR提供的`show_image`功能来实现，该功能可以将OCR识别结果绘制在原始图片上，然后将结果保存为新的图片文件。以下是一个示例代码： ``` import cv2 from paddleocr import PaddleOCR # 初始化PaddleOCR ocr = PaddleOCR() # 读取需要识别的图片 img = cv2.imread('example.jpg') # 进行OCR识别 result = ocr.ocr(img) # 将OCR识别结果绘制在原始图片上 img_with_result = ocr.draw_ocr(img, result) # 保存绘制结果的图片 cv2.imwrite('result.jpg', img_with_result) ``` 在执行完以上代码后，您将得到一张新的图片文件`result.jpg`，其中包含了OCR识别结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值