add faq, test=document_fix
This commit is contained in:
LDOUBLEV
parent
082e7385e2
commit
ce09c1cce2
|
|
@ -26,28 +26,32 @@
|
|||
<a name="近期更新"></a>
|
||||
## 近期更新（2020.10.26）
|
||||
|
||||
#### Q2.1.4 印章如何识别
|
||||
**A**: 1. 使用带tps的识别网络或abcnet,2.使用极坐标变换将图片拉平之后使用crnn
|
||||
#### Q3.4.17： 预测内存泄漏问题
|
||||
|
||||
#### Q2.1.5 多语言的字典里是混合了不同的语种，这个是有什么讲究吗？统一到一个字典里会对精度造成多大的损失？
|
||||
**A**：统一到一个字典里，会造成最后一层FC过大，增加模型大小。如果有特殊需求的话，可以把需要的几种语言合并字典训练模型，合并字典之后如果引入过多的形近字，可能会造成精度损失，字符平衡的问题可能也需要考虑一下。在PaddleOCR里暂时将语言字典分开。
|
||||
**A**：1. 使用hubserving出现内存泄漏，该问题为已知问题，预计在paddle2.0正式版中解决。相关讨论见[issue](https://github.com/PaddlePaddle/PaddleHub/issues/682)
|
||||
|
||||
#### Q3.3.16: 如何对检测模型finetune，比如冻结前面的层或某些层使用小的学习率学习？
|
||||
**A**：2. C++ 预测出现内存泄漏，该问题已经在paddle2.0rc版本中解决，建议安装paddle2.0rc版本，并更新PaddleOCR代码到最新。
|
||||
|
||||
**A**：如果是冻结某些层，可以将变量的stop_gradient属性设置为True，这样计算这个变量之前的所有参数都不会更新了，参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/faq/train_cn.html#id4
|
||||
如果对某些层使用更小的学习率学习，静态图里还不是很方便，一个方法是在参数初始化的时候，给权重的属性设置固定的学习率，参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/api/paddle/fluid/param_attr/ParamAttr_cn.html#paramattr
|
||||
实际上我们实验发现，直接加载模型去fine-tune，不设置某些层不同学习率，效果也都不错
|
||||
#### Q3.3.18: cpp_infer 在Windows下使用vs2015编译不通过
|
||||
|
||||
#### Q3.3.17: 使用通用中文模型作为预训练模型，更改了字典文件，出现ctc_fc_b not used的错误
|
||||
**A**：修改了字典之后，识别模型的最后一层FC纬度发生了改变，没有办法加载参数。这里是一个警告，可以忽略，正常训练即可。
|
||||
**A**：1. windows上建议使用VS2019工具编译，具体编译细节参考[链接](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/deploy/cpp_infer/docs/windows_vs2019_build.md)
|
||||
|
||||
**A**：2. 在release模式下而不是debug模式下编译，参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/1023)
|
||||
|
||||
#### Q3.3.19: No module named 'tools.infer'
|
||||
|
||||
**A**：1. 确保在PaddleOCR/目录下执行的指令，执行'export PYTHONPATH=.'
|
||||
|
||||
**A**：2. 拉取github上最新代码，这个问题在10月底已修复。
|
||||
|
||||
#### Q3.3.20: 训练模型和测试模型的检测结果差距较大
|
||||
|
||||
**A**：1. 检查两个模型使用的后处理参数是否是一样的，训练的后处理参数在配置文件中的PostProcess部分，测试模型的后处理参数在tools/infer/utility.py中，最新代码中两个后处理参数已保持一致。
|
||||
|
||||
#### Q2.2.5： 文本行较紧密的情况下如何准确检测？
|
||||
|
||||
**A**：使用基于分割的方法，如DB，检测密集文本行时，最好收集一批数据进行训练，并且在训练时，并将生成二值图像的shrink_ratio参数调小一些；
|
||||
|
||||
#### Q3.1.18：如何加入自己的检测算法？
|
||||
**A**：1. 在ppocr/modeling对应目录下分别选择backbone，head。如果没有可用的可以新建文件并添加
|
||||
2. 在ppocr/data下选择对应的数据处理处理方式，如果没有可用的可以新建文件并添加
|
||||
3. 在ppocr/losses下新建文件并编写loss
|
||||
4. 在ppocr/postprocess下新建文件并编写后处理算法
|
||||
5. 将上面四个步骤里新添加的类或函数参照yml文件写到配置中
|
||||
|
||||
<a name="OCR精选10个问题"></a>
|
||||
## 【精选】OCR精选10个问题
|
||||
|
|
@ -177,6 +181,11 @@
|
|||
|
||||
**A**：可以根据实际场景做不同的尝试，共享一个类别是可以收敛，效果也还不错。但是如果分开训练，同类样本之间一致性更好，更容易收敛，识别效果会更优。
|
||||
|
||||
#### Q2.2.5： 文本行较紧密的情况下如何准确检测？
|
||||
|
||||
**A**：使用基于分割的方法，如DB，检测密集文本行时，最好收集一批数据进行训练，并且在训练时，并将生成二值图像的shrink_ratio参数调小一些；
|
||||
|
||||
|
||||
### 模型训练调优
|
||||
|
||||
#### Q2.3.1：如何更换文本检测/识别的backbone？
|
||||
|
|
@ -492,6 +501,23 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
|
|||
#### Q3.3.17: 使用通用中文模型作为预训练模型，更改了字典文件，出现ctc_fc_b not used的错误
|
||||
**A**：修改了字典之后，识别模型的最后一层FC纬度发生了改变，没有办法加载参数。这里是一个警告，可以忽略，正常训练即可。
|
||||
|
||||
#### Q3.3.18: cpp_infer 在Windows下使用vs2015编译不通过
|
||||
|
||||
**A**：1. windows上建议使用VS2019工具编译，具体编译细节参考[链接](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/deploy/cpp_infer/docs/windows_vs2019_build.md)
|
||||
|
||||
**A**：2. 在release模式下而不是debug模式下编译，参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/1023)
|
||||
|
||||
#### Q3.3.19: No module named 'tools.infer'
|
||||
|
||||
**A**：1. 确保在PaddleOCR/目录下执行的指令，执行'export PYTHONPATH=.'
|
||||
|
||||
**A**：2. 拉取github上最新代码，这个问题在10月底已修复。
|
||||
|
||||
#### Q3.3.20: 训练模型和测试模型的检测结果差距较大
|
||||
|
||||
**A**：1. 检查两个模型使用的后处理参数是否是一样的，训练的后处理参数在配置文件中的PostProcess部分，测试模型的后处理参数在tools/infer/utility.py中，最新代码中两个后处理参数已保持一致。
|
||||
|
||||
|
||||
### 预测部署
|
||||
|
||||
#### Q3.4.1：如何pip安装opt模型转换工具？
|
||||
|
|
@ -565,3 +591,9 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
|
|||
#### Q3.4.16： hub serving部署服务时如何多gpu同时利用起来，export CUDA_VISIBLE_DEVICES=0,1 方式吗？
|
||||
|
||||
**A**：hubserving的部署方式目前暂不支持多卡预测，除非手动启动多个serving，不同端口对应不同卡。或者可以使用paddleserving进行部署，部署工具已经发布：https://github.com/PaddlePaddle/PaddleOCR/tree/develop/deploy/pdserving ，在启动服务时--gpu_id 0,1 这样就可以
|
||||
|
||||
#### Q3.4.17： 预测内存泄漏问题
|
||||
|
||||
**A**：1. 使用hubserving出现内存泄漏，该问题为已知问题，预计在paddle2.0正式版中解决。相关讨论见[issue](https://github.com/PaddlePaddle/PaddleHub/issues/682)
|
||||
|
||||
**A**：2. C++ 预测出现内存泄漏，该问题已经在paddle2.0rc版本中解决，建议安装paddle2.0rc版本，并更新PaddleOCR代码到最新。
|
||||
|
|
|
|||
Loading…
Reference in New Issue