PaddleOCR 训练自己的模型，评估acc为0，且无best_accuracy

最近在训练自己的PaddleOCR模型时，尝试多次每次评估acc始终为零，也一直没有出现最佳参数结果，但训练acc早达到了0.98，这是为什么呢？

为了找出具体原因，于是进入train.py文件中debug查找原因，PaddleOCR在训练模型时，按照官方的指导教程，一般是在终端输入一下命令行的方式配置运行进行训练，如果想通过tools\train.py在右键运行或进入debug模式，就需要修改代码，具体参考PaddleOCR 如何修改代码进入手动调试模式-CSDN博客。

经排查发现是数据集量与配置文件中设置的不合适所导致，为了保证正常出现best_accuracy，在修改configs配置文件时，其中主要有两大注意点：

• 保证eval_batch_step(迭代次数要在总迭代次数内)，以configs\rec\PP-OCRv3中的ch_PP-OCRv3_rec_distillation.yml文件为例

eval_batch_step设置位置，如上图所示标记处，官方的具体解释如下图

全局的总迭代次数global_step在训练的终端中有打印出来，如下图所示，因此对照此值，即小于此值模型训练才会进入eval评估（本图中总迭代次数为1500，而评估间隔为2000，所以未评估）。

综上：如果没有根据总迭代次数，设置合理的评估区间，就不会出现best_accuracy，同时为确保best_accuracy值更准确，评估的次数要均匀合适。

• train与eval中的数据集加载器loader中的batch_size_per_card大小需数据集大小而定，要确保其迭代次数大于等于1，如下图，具体迭代次数在训练信息目录最后两行。

而其设置在configs配置文件中如下图所示位置，迭代次数等于train或eval中的图片数除batch大小，其中除不尽的余数也算计数1轮，所以我们要根据自己数据集大小合理设置其大小。