OCR识别、模型训练等GPU环境安装配置（windows）

已于 2024-05-28 14:31:32 修改
阅读量1.8k 收藏 2
点赞数
分类专栏： 图文识别 文章标签： 深度学习 cnn tensorflow
于 2022-01-07 08:48:37 首次发布
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/weixin_48327659/article/details/122356968
版权

前提：显卡驱动正常。

第一步：查看本机cuda版本

1、打开命令行

2、输入nvidia-smi

3、查看对应的 cuda version

第二步：下载对应的CUDA并安装

1、CUDA Toolkit 11.1.0 | NVIDIA Developer

如果要选择其他版本，可以利用站内搜索功能进行查找。

 2、下载后安装，自定义安装过程中可以勾选组件，值得注意的是DisplayDriver组件 ，如果当前版本大于新版本，则去掉勾选。

第三步：下载对应的cuDNN

1、

最低0.47元/天 解锁文章
OCR技术解析：用Tesseract和PaddleOCR识别文本
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
05-19 3万+
OCR技术解析：用Tesseract和PaddleOCR识别文本 ，人工智能，计算机视觉，大模型，AI，光学字符识别（Optical Character Recognition，简称 OCR）是一项将图片、扫描件等文档中的文字信息转换为可编辑文本的技术。在数字化时代，OCR 技术广泛应用于文档处理、车牌识别、身份证识别、古籍数字化等领域，极大地提高了文字信息处理的效率。Tesseract 和 PaddleOCR 是两款极具代表性的 OCR 工具。
Tesseract-OCR-02-Tesseract-OCR 的安装与 环境变量配置
热门推荐
肖朋伟
09-01 2万+
Tesseract-Windows的安装 Tesseract Windows安装包下载：https://digi.bib.uni-mannheim.de/tesseract/ 上面链接看着头疼就下我的网盘里的： 链接：https://pan.baidu.com/s/13KRXi-2FCkA9_6MBQ_wxeg 密码：gtp1 安装的话就默认安装就好，如果选中那个在线安装包，会很慢，耐心等下...
OCR学习_基础环境配置
dayday学习的博客
07-11 890
OCR学习_基础环境配置1.环境准备 1.环境准备 1.检查cuda的版本信息，然后到飞浆去配置选择相应的环境，选择对应的 paddlepaddle-gpu版本即可。 或者在命令行中输入nvidia-smi import paddle.fluid 输入 paddle.fluid.install_check.run_check() 报错 Suggestions: 1. Check if the third-party dynamic library (e.g. CUDA, CUDNN) is
【Windows10下PP-OCRv4部署指南‌】
最新发布
qq_25066151的博客
04-20 819
onnxsim ch_PP-OCRv4_det.onnx ch_PP-OCRv4_det_sim.onnx --overwrite-input-shape 1,3,48,320 # 固定输入尺寸‌:ml-citation{ref=“4,6” data=“citationList”}pip install -r requirements.txt # 从PaddleOCR源码目录安装‌:ml-citation{ref=“1,6” data=“citationList”}
ocr 识别环境配置
weixin_38076609的博客
05-25 113
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
chineseocr的环境配置
csdnnmbdybb的博客
10-17 850
因为这个环境既需要tensorflow,又需要pytorch，而在anaconda里创建环境时，先安装gpu版本的tensorflow(我安装的是1.12.0，keras为2.2.4版本)，这时会自动下载cudnn和cuda，然后再根据cuda的版本来下载pytorch，在pytorch官网根据自己的cuda等已有的环境来找对应的下载命令，注意去掉后面的 -c pytorch,而是用默认的清华镜...
windows安装Tesseract-OCR
流殇浮云的博客
06-19 896
windows安装tesseract-ocr 一、安装前准备 1.不同版本 本次使用的是tesseract-ocr-setup-4.00.00dev.exe 2.tesseract-ocr-setup-4.00.00dev.exe 提取码: yd95 3.chi_sim.traineddata 提取码: 34u7 4.eng.traineddata 提取码: 8x7x 5.equ.traineddata 提取码: 3u8b 二、安装 双击已下载的安装包 安装完成，将下载好的ch
【图像识别】windows下安装Tesseract-OCR
qq_44304677的博客
12-31 1048
简述：这篇教程详细介绍了如何在Windows环境下安装Tesseract-OCR，Tesseract OCR 是一款开源的文本识别（OCR）引擎。Tesseract OCR 支持多种语言，包括英文、中文、德文、法文等，并可以通过训练来扩展识别其他语言。此外，Tesseract OCR 的准确性在同类产品中处于领先地位，对于印刷体文本的识别率高达 95% 以上。Tesseract OCR 主要功能是识别图像中的文字，并配置相应的环境变量，使其能够在pycharm编辑器中运行
AI大模型实现图片OCR识别
weixin_60669486的博客
11-19 1万+
6000000004254-0-tps-1384-3024.jpg"}, {"text": "这是什么?{"type": "text", "text": "请对这张图片进行OCR识别，并输出最准确的验证码，直接输出识别出的结果字符，不要输出其他内容。大模型不仅能精准提取图片中的文字，还能以规整的形式输出。请对这张图片进行OCR识别，并输出最准确的验证码，直接输出识别出的结果字符，不要输出其他内容。在LLM的辅助下，OCR技术可以应用于更复杂的场景，如自然场景文本识别、手写字体识别等。
百度飞浆Paddle OCR检测和识别【OCR数据收集、标注、数据集划分、检测识别模型训练、导出模型】
lemon.qing@foxmail.com
09-20 7815
1、我的电脑没有GPU，如果不使用AI Studio训练的话，第一遍我是按照CPU进行环境配置和训练的，可以参考这篇文章，我按着弄了一遍，可以使用的。2、使用AI Studio平台进行数据GPU训练，每天都可以领到可以使用的点数，作为零氪用户也可以使用A100训练，完全够用的。Ai Studio进行训练方便简单快捷，不需要配置复杂的环境，或者解决各种离谱的代码报错。本文使用Ai Studio进行训练的。
swift-使用swift开发的OCR识别算法-字符识别.zip
02-06
这个库提供了接口，可以方便地读取图像、设置识别语言、执行OCR识别等。 2. **图像预处理**：在进行OCR识别之前，通常需要对图像进行预处理，以提高识别准确性。这包括调整图像尺寸、灰度化、二值化、降噪等步骤。...
Windows安装Tesseract OCR与Python中使用pytesseract进行文字识别
CUFEECR的博客
12-12 3914
Tesseract OCR是一个开源OCR引擎，用于从图像中提取文本；Pytesseract提供了简单的API，帮助开发者轻松地使用Tesseract引擎来实现图像中文本的识别。本文主要介绍了Windows下安装Tesse下载并安装Tesseract OCR、配置环境变量、Python中安装使用pytesseract等内容。Tesseract OCR是一个本地的图片识别开源引擎，不需要额外的深度学习OCR模型即可实现简单、快速的识别，同时可以通过接口来与多种编程语言对接而集成，可以作为轻量OCR的最佳选择。
用python写一个图像文字识别OCR工具_请完成python ocr环境配置、相关库函数安装、命令行测试、编写代码在python中
2401_85598871的博客
06-25 1636
[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], [’（45元/每公斤，100公斤起订）’, 0.9676722]]在 pycharm 的项目文件结构中找到*.ui文件，右键——External Tools——pyuic，会在ui文件同级目录下自动生成界面 ui 的 python 代码。业务类 MainWindow 实现程序逻辑和算法功能，与前面第2步生成的ui实现解耦，避免每次修改ui文件会影响业务代码。
Python图片文字识别——Windows下Tesseract-OCR的安装与使用
盼小辉丶的博客
08-04 8112
Tesseract是一个开源 OCR 引擎，可以直接通过命令行使用，或者通过使用API从图像中提取文本。它为多种语言提供了API，其中显然包括Python。Tesseract支持unicode (UTF-8)，可以识别 100 多种语言。Tesseract支持各种输出格式，包括纯文本、HTML、PDF、TSV等。本文介绍了Windows下Tesseract的安装和如何通过Python调用Tesseract API进行图片文字识别和提取。
OCR需要的基本环境
weixin_43456810的博客
09-10 608
OCR需要的基本环境
【逐步实操】Tesseract OCR 最新版本安装教程（Windows）+ 图片PDF转WORD实操
weixin_45666317的博客
05-30 1万+
在文本挖掘领域，少不了对PDF文件进行处理的，其中有不少PDF里面可能是单纯的图片，这个时候就需要采用OCR技术进行图像文字识别。今天发布一版将图片PDF转为WORD文字的教程，首先需要安装并且配置好Tesseract OCR工具。下面展开详细教程。
搭建自己的OCR服务，第二步：PaddleOCR环境安装
xionghui2007的博客
09-08 1413
PaddleOCR环境安装
如何在 Windows 系统环境下安装 Tesseract OCR? ( •̀ ω •́ )✧
Life is short, use Python
07-29 2284
访问Tesseract的GitHub发布页面或第三方下载站点，下载适合你操作系统的版本（最新版本）。
【身份证所有内容识别】Windows 10平台完整安装使用Tesseract OCR进行OCR识别
源代码杀手的博客
06-24 1361
以下是关于使用 Tesseract 的完整介绍：基本用法：tesseract.exe imagename outputbase [options…] [configfile…]：运行 Tesseract 进行 OCR（光学字符识别）。imagename：要进行 OCR 的图像文件名。outputbase：输出文件的基本名称，不包括文件扩展名。options…：可选的 OCR 参数，用于控制识别过程。configfile…：可选的配置文件，包含自定义配置选项。
Panddle 识别OCR 模型训练
03-16
<think>嗯，用户想了解PaddleOCR的模型训练，首先我需要回忆一下PaddleOCR的基本信息。PaddleOCR是百度基于PaddlePaddle开发的OCR工具，对吧？支持多种任务，比如文本检测、识别和方向分类。用户可能想知道如何训练自己的模型，可能需要分步骤讲解。 首先，训练流程一般分为数据准备、配置调整、训练启动、评估和导出。数据准备这部分需要强调数据集的结构，可能用户不太清楚怎么组织数据，特别是对于中文场景。可能需要提到标注文件的格式，比如文本检测的标注是文本框坐标加文本内容，而识别可能只需要图片路径和文本。 然后是配置文件，这里用户可能会遇到问题，比如如何修改网络结构或调整超参数。得提醒他们注意配置文件中的关键参数，比如学习率、batch_size，还有预训练模型的路径。预训练模型的使用很重要，可以提升训练效果，特别是当用户的数据量不大时。 接着是启动训练的命令，要给出具体的代码示例，包括检测和识别的不同命令。可能用户会需要多GPU训练或者恢复训练的情况，这里也需要提到相关的参数，比如-o参数的作用。 评估和导出的步骤也不能少，用户训练完后肯定想测试模型效果，并导出成推理用的模型。评估命令和导出命令的例子要具体，避免他们混淆。 另外，调优技巧方面，数据增强和预训练模型是关键。特别是中文场景，可能需要用中文字符集的模型，比如MobileNetV3配合CRNN。如果用户的数据有垂直文本或弯曲文本，可能需要推荐不同的检测模型，比如DB++或SVTR。 还要注意常见问题，比如标注格式是否正确，配置文件路径是否正确，显存不足时的batch_size调整。这些是用户在实际操作中容易遇到的坑，提前提醒可以帮他们节省时间。 最后，总结一下整个流程，强调PaddleOCR的优势，比如多语言支持和预训练模型丰富，适合定制化需求。确保用户按照步骤操作能顺利完成训练。</think>PaddleOCR 训练流程分步解析（基于最新版本框架）： 一、数据准备阶段 1. 数据集结构规范： $$ dataset_root/ ├── imgs/ # 图片目录 │ ├── img_1.jpg │ └── img_2.jpg └── train_list.txt # 标注文件 $$ 2. 标注文件格式示例： - 文本检测任务（四点坐标）： $img_1.jpg\t [{"transcription": "文本内容", "points": [[x1,y1],[x2,y2],[x3,y3],[x4,y4]]}, ...]$ - 文本识别任务： $img_1.jpg\t 文本内容$ 二、配置文件调整 1. 修改关键参数（以文本识别模型为例）： ```yaml Global: character_dict_path: ppocr/utils/ppocr_keys_v1.txt # 字符字典路径 pretrained_model: ./pretrain_models/rec_mv3_none_bilstm_ctc_v2.0_train # 预训练模型 Train: dataset: name: SimpleDataSet data_dir: ./train_data/ # 数据集根目录 label_file_list: ["./train_data/train_list.txt"] # 训练标注文件 loader: batch_size_per_card: 256 # 根据显存调整 num_workers: 8 Optimizer: name: Adam lr: name: Cosine learning_rate: 0.001 # 初始学习率 ``` 三、训练执行命令 1. 文本检测模型训练： ```bash python3 tools/train.py -c configs/det/det_mv3_db.yml \ -o Global.pretrained_model=./pretrain_models/MobileNetV3_large_x0_5_pretrained ``` 2. 文本识别模型训练： ```bash python3 tools/train.py -c configs/rec/rec_icdar15_train.yml \ -o Global.pretrained_model=./pretrain_models/rec_mv3_none_bilstm_ctc_v2.0_train ``` 四、关键调优技巧 1. 数据增强策略： - 颜色抖动：RandomColorAdjust(prob=0.5) - 几何变换：RandomRotateImage(max_angle=10) - 模糊处理：Blur(radius=2) 2. 中文场景优化建议： $$ \text{推荐模型组合} = \begin{cases} \text{检测：DB++} \\ \text{识别：CRNN + MobileNetV3} \\ \text{字典：覆盖中文字符集（6363类）} \end{cases} $$ 五、评估与导出 1. 模型评估： ```bash python3 tools/eval.py -c configs/rec/rec_r34_vd_none_bilstm_ctc.yml \ -o Global.checkpoints=./output/rec_vd/latest ``` 2. 推理模型导出： ```bash python3 tools/export_model.py -c configs/rec/rec_r34_vd_none_bilstm_ctc.yml \ -o Global.pretrained_model=./output/rec_vd/latest Global.save_inference_dir=./inference/rec ``` 常见问题解决方案： 1. 显存不足时：减小`batch_size_per_card`，启用AMP混合精度训练 2. 长文本识别：调整`max_text_length`参数，使用SVTR_tiny模型 3. 垂直文本检测：启用Rotated BBox模式，采用PP-PicoDet模型 最新特性支持： - 2023版新增PP-StructureV2文档分析 - 支持ONNX/TensorRT部署 - 提供200+预训练模型（包含80种语言） 建议通过AI Studio平台进行云端训练，可使用V100显卡加速。实际训练时建议先用1/10数据进行快速验证，再全量训练。
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