dddd_trainer 项目常见问题解决方案
dddd_trainer ddddocr训练工具 项目地址: https://gitcode.com/gh_mirrors/dd/dddd_trainer
项目基础介绍
dddd_trainer
是一个用于训练 OCR(光学字符识别)模型的开源工具,基于 PyTorch 框架开发。该项目支持 CNN 和 CRNN 模型的训练,能够实现断点恢复、自动导出 ONNX 模型,并且可以无缝集成到 ddddocr
和 ocr_api_server
中进行部署。项目主要使用 Python 语言编写,适用于 Windows、Linux 和 macOS 系统,但需要注意的是,该项目仅支持 NVIDIA 显卡(N卡)进行训练,不支持 AMD 显卡(A卡)或其他类型的显卡。
新手使用注意事项及解决方案
1. 环境配置问题
问题描述:新手在配置深度学习环境时,可能会遇到 PyTorch 和 CUDA 版本不兼容的问题。
解决方案:
- 检查硬件支持:首先,访问 PyTorch 官网,查看你的系统与硬件支持的 PyTorch 版本。特别注意,如果你的显卡是 30 系列之前的 N 卡(如 2080Ti),请选择 CUDA 11 以下的版本(例如 CUDA 10.2);如果是 30 系列 N 卡,则仅支持 CUDA 11 版本(例如 CUDA 11.3)。
- 安装 PyTorch:根据官网提供的安装命令,完成 PyTorch 的安装。例如,对于 CUDA 11.3 版本,可以使用以下命令:
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
- 安装 CUDA 和 cuDNN:根据显卡型号和系统选择合适的 CUDA 和 cuDNN 版本,并确保 cuDNN 支持的 CUDA 版本与安装的 CUDA 版本一致。安装过程中遇到问题,可以参考相关文档或搜索解决方案。
2. 数据准备问题
问题描述:新手在准备训练数据时,可能会对数据格式和组织方式感到困惑。
解决方案:
- 数据格式:
dddd_trainer
支持两种数据导入方式:- 从文件名导入:图片文件名中包含标签信息,例如
abcde_随机hash值.jpg
。 - 从文件中导入:通过
labels.txt
文件指定图片路径和对应的标签,例如:随机hash值.jpg\tabcd 酱闷肘子_随机hash值.jpg\t酱闷肘子
- 从文件名导入:图片文件名中包含标签信息,例如
- 数据组织:确保数据集目录结构正确,例如:
/root/images_set/ ├── labels.txt └── images ├── 随机hash值.jpg └── 酱闷肘子_随机hash值.jpg
- 测试数据集:项目提供了两套基础数据集供测试,新手可以先使用这些数据集进行练习。
3. 训练过程中的常见错误
问题描述:在训练过程中,可能会遇到模型无法加载、训练中断等问题。
解决方案:
- 检查配置文件:确保
config.yaml
文件中的参数设置正确,特别是CharSet
和ImageChannel
等关键参数。 - 断点恢复:如果训练过程中断,可以使用以下命令恢复训练:
python app.py train [project_name] --resume
- 日志检查:查看训练日志,定位错误信息。常见的错误包括数据路径错误、模型配置错误等,根据日志提示进行修正。
通过以上步骤,新手可以更好地理解和使用 dddd_trainer
项目,顺利完成 OCR 模型的训练和部署。
dddd_trainer ddddocr训练工具 项目地址: https://gitcode.com/gh_mirrors/dd/dddd_trainer