paddleocr部署训练全流程

paddleocr部署训练全流程

1.GPU及环境配置

GPU：GTX1050TI

环境：win11+anaconda

paddleocr版本：PaddleOCR-release-2.4

2.paddle安装

2.1快速开始安装方法（为后续使用标注工具做准备）

能够快速的使用paddleocr

创建conda虚拟环境

conda create -n paddle_quickstart python=3.8

接下来按照下述参考链接安装paddleocr

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/quickstart.md

Windows的系统需要我们注意安装shapely时，需要手动下载对应python版本的whl包，在安装

最后在使用参考链接中的代码便可以使用paddleocr进行文字识别工作

tips：如果使用上述步骤不能正常使用，需要下载源码，在conda虚拟环境中通过pip安装requirements.txt

cd PaddleOCR-release-2.4
pip install -r requirements.txt

2.2源码使用安装

参考：https://blog.csdn.net/weixin_42708301/article/details/119864744

参考链接就能够正常安装使用

这里推荐使用另外一个虚拟环境，方便后续标注工具的使用

官方安装：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/conda/windows-conda.html

安装GPU版本时需要查看自己机器的CUDA版本

3.官方模型使用

3.1快速开始方法模型更改

在这里我们不能确定使用pip安装的paddleocr使用的模型版本，我们对程序进行修改，更换我们所使用的模型

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/whl.md

根据参考链接中自定义模型，对使用模型进行修改

3.2源码使用模型方法

3.2.1源码目录构建

新建inference文件夹用来保存下载的模型并解压

新建train_data文件夹保存训练及测试数据

3.2.2模型下载及测试

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/models_list.md

根据连接进行模型下载

参考：https://blog.csdn.net/weixin_42708301/article/details/119864744

参考链接模型测试

测试期间推荐使用命令进行测试，单张图片测试见参考链接

python tools/infer/predict_system.py --image_dir="E:\\work\\python\\OCR\\imgs_3000\\img_1495.jpg" 	
--det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  
--rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" 
--cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" 
--use_angle_cls=True --use_space_char=True

使用windows批处理命令进行多张图片测试

@echo off
for %I in (1,2,3) do (python tools/infer/predict_system.py --image_dir="E:\\work\\python\\OCR\\imgs_62\\img_%I.jpg" 
--det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  
--rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" 
--cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" 
--use_angle_cls=True --use_space_char=True)
pause

（1,2,3）代表图片序号，批处理的范围命令没有找到，如果100就使用笨办法括号内为（1,2,4,5,···,100）

使用上述命令运行tools/infer/predict_system.py时，就同时进行了det，rec，cls。在py文件中查看识别结果保存路径。

如果想单独运行则单独运行tools/infer/下的对应py文件即可。

单独运行可能会报错，如遇到下述错误：

Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

则在对应py文件中加入下述代码：

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

4.训练自己的模型

4.1数据准备（图片）

参考：https://blog.csdn.net/weixin_42708301/article/details/119868531

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/training.md

4.1.1PPOCRLabel标注工具使用

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/PPOCRLabel/README_ch.md

推荐在快速开始虚拟环境下安装标注工具以及进行标注

4.2.2构建train_data文件夹

参考：https://blog.csdn.net/weixin_42708301/article/details/119868531

4.2下载训练模型

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/models_list.md

4.3修改模型配置文件

4.4训练模型（在源码安装虚拟环境中）

参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/doc/doc_ch/training.md

python tools/train.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml

推荐使用gpu训练，我的1050ti在1000张图片时将无法运行

4.5训练结果转换为inferencre模型

# -c 后面设置训练算法的yml配置文件
# -o 配置可选参数
# Global.pretrained_model 参数设置待转换的训练模型地址，不用添加文件后缀 .pdmodel，.pdopt或.pdparams。
# Global.save_inference_dir参数设置转换的模型将保存的地址。

python tools/export_model.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./output/rec_chinese_lite_v2.0/latest  Global.save_inference_dir=./inference/rec_crnn/

5.使用自训练模型进行识别

可使用3中方法进行使用