在Windows上调试TensorFlow 2.0 中文手写字识别（汉字OCR）

在Windows上调试TensorFlow 2.0 中文手写字识别（汉字OCR）

一、环境的搭建
Windows+1080Ti+Cuda10.1
Tsorflow2.0.0
Numpy1.16.4
注意：这里tensorflow和numpy的版本一定不能错，要不然后面会有意想不到的bug！！

二、数据的准备
数据全部来自于CASIA的开源中文手写字数据集，该数据集分为两部分：
CASIA-HWDB：离线的HWDB，我们仅仅使用1.0-1.2，这是单字的数据集，2.0-2.2是整张文本的数据集，我们暂时不用，单字里面包含了约7185个汉字以及171个英文字母、数字、标点符号等；
CASIA-OLHWDB：在线的HWDB，格式一样，包含了约7185个汉字以及171个英文字母、数字、标点符号等，我们不用。
可以直接运行 dataset/get_hwdb_1.0_1.1.sh 下载，原始数据下载链接点击这里

关于数据的处理部分，从服务器下载到的原始数据是 trn_gnt.zip 解压之后是 gnt.alz， 需要再次解压得到一个包含 gnt文件的文件夹；再次解压的时候可能普通的解压软件使用不了，可以点击这里下载ALZip这个解压软件，解压后里面每一个gnt文件都包含了若干个汉字及其标注。将得到的训练和测试数据分别放到两个文件夹里。

三、数据的训练
1.首先将解压后的gnt文件转换为tfrecord（训练数据测试数据都需转）
这里在读数据的时候可能会报gbk编码的错误，需要在后面加上encoding=“UTF-8”

转tfrecord指令：python convert_to_tfrecord.py ./gntDataTrn
python convert_to_tfrecord.py ./gntDataTst

2.生成tfrecord后就可以训练了，训练之前需要在train_simple.py导包的地方添加几行GPU均衡的代码，不然可能会报显存不足的错。

from tensorflow.compat.v1 import ConfigProto
from tensorflow.compat.v1 import InteractiveSession

config=ConfigProto()
config.gpu_options.allow_growth=True
session=InteractiveSession(config=config)

3.根据自己的显卡配置修改这训练代码里的两处的batch，代码中的epochs默认是15000，设置到120~150之间就OK。

4. 如果你找不到alfred模块, 通过 pip3 install alfred-py进行安装。
5. 运行的时候如果报tensorflow只能用2.1.0的错，可以把tensorflow_datasets降低版本试试。
训练指令：python train_simple.py

在这里我训到200个epochs，准确率达到98左右，测试集准确率80左右（已初步优化）。

四、模型的测试
测试指令：python demo.py
因为是在windows上测试的，测试出的结果是字节形式的，需要在测试代码的64行加上encoding=“utf-8”

测试出的效果：

源码链接：https://github.com/jjcheer/ocrcn_tf2
哈哈哈哈哈！！！第一次写博客可能写的有点儿哆嗦，请各位见谅_^!!!