Update FAQ.md

doc/doc_ch/FAQ.md

@@ -11,18 +11,18 @@
 
 * [近期更新（2021.6.22）](#近期更新)
 * [【精选】OCR精选10个问题](#OCR精选10个问题)
-* [【理论篇】OCR通用50个问题](#OCR通用问题)
+* [【理论篇】OCR通用51个问题](#OCR通用问题)
   * [基础知识16题](#基础知识)
   * [数据集10题](#数据集2)
-  * [模型训练调优24题](#模型训练调优2)
-* [【实战篇】PaddleOCR实战183个问题](#PaddleOCR实战问题)
-  * [使用咨询77题](#使用咨询)
+  * [模型训练调优25题](#模型训练调优2)
+* [【实战篇】PaddleOCR实战187个问题](#PaddleOCR实战问题)
+  * [使用咨询80题](#使用咨询)
   * [数据集19题](#数据集3)
   * [模型训练调优39题](#模型训练调优3)
-  * [预测部署48题](#预测部署3)
+  * [预测部署49题](#预测部署3)
 
 <a name="近期更新"></a>
-## 近期更新（2021.6.22）
+## 近期更新（2021.6.29）
 
 #### Q2.3.25: 图像正常识别出来的文字是OK的，旋转90度后识别出来的结果就比较差，有什么方法可以优化？
 A: 整图旋转90之后效果变差是有可能的，因为目前PPOCR默认输入的图片是正向的； 可以自己训练一个整图的方向分类器，放在预测的最前端（可以参照现有方向分类器的方式），或者可以基于规则做一些预处理，比如判断长宽等等。
@@ -31,7 +31,7 @@ A: 整图旋转90之后效果变差是有可能的，因为目前PPOCR默认输
 **A**： 在线demo目前只支持中英文， 多语言的都需要通过whl包自行处理
 
 #### Q3.1.79: 某个类别的样本比较少，通过增加训练的迭代次数或者是epoch，变相增加小样本的数目，这样能缓解这个问题么？
-**A**： 尽量保证类别均衡， 某些类别样本少，可以通过补充合成数据的方式处理；实验证明训练集中出现频次较少的字符，识别效果会很差，增加迭代次数不能改变频率低的问题。
+**A**： 尽量保证类别均衡， 某些类别样本少，可以通过补充合成数据的方式处理；实验证明训练集中出现频次较少的字符，识别效果会比较差，增加迭代次数不能改变样本量少的问题。
 
 #### Q3.1.80: 想把简历上的文字识别出来后，能够把关系一一对应起来，比如姓名和它后面的名字组成一对，籍贯、邮箱、学历等等都和各自的内容关联起来，这个应该如何处理，PPOCR目前支持吗？
 **A**:  这样的需求在企业应用中确实比较常见，但往往都是个性化的需求，没有非常规整统一的处理方式。常见的处理方式有如下两种：
@@ -41,9 +41,9 @@ A: 整图旋转90之后效果变差是有可能的，因为目前PPOCR默认输
 
 #### Q3.4.49: 同一个模型，c++部署和python部署方式，出来的结果不一致，如何定位？
 **A**：有如下几个Debug经验：
-	1） 优先对一下几个阈值参数是否一致；
-	2） 排查一下c++代码和python代码的预处理和后处理方式是否一致；
- 3） 用python在模型输入输出各保存一下二进制文件，排除inference的差异性
+1 优先对一下几个阈值参数是否一致；
+2 排查一下c++代码和python代码的预处理和后处理方式是否一致；
+3 用python在模型输入输出各保存一下二进制文件，排除inference的差异性
 
 <a name="OCR精选10个问题"></a>
 ## 【精选】OCR精选10个问题
@@ -1299,7 +1299,7 @@ nvidia-smi --lock-gpu-clocks=1590 -i 0
 
 #### Q3.4.49: 同一个模型，c++部署和python部署方式，出来的结果不一致，如何定位？
 **A**：有如下几个Debug经验：
-	1） 优先对一下几个阈值参数是否一致；
-	2） 排查一下c++代码和python代码的预处理和后处理方式是否一致；
- 3） 用python在模型输入输出各保存一下二进制文件，排除inference的差异性
+1 优先对一下几个阈值参数是否一致；
+2 排查一下c++代码和python代码的预处理和后处理方式是否一致；
+3 用python在模型输入输出各保存一下二进制文件，排除inference的差异性