124 lines
12 KiB
Markdown
124 lines
12 KiB
Markdown
## 可选参数列表
|
||
|
||
以下列表可以通过`--help`查看
|
||
|
||
| FLAG | 支持脚本 | 用途 | 默认值 | 备注 |
|
||
| :----------------------: | :------------: | :---------------: | :--------------: | :-----------------: |
|
||
| -c | ALL | 指定配置文件 | None | **配置模块说明请参考 参数介绍** |
|
||
| -o | ALL | 设置配置文件里的参数内容 | None | 使用-o配置相较于-c选择的配置文件具有更高的优先级。例如：`-o Global.use_gpu=false` |
|
||
|
||
|
||
## 配置文件参数介绍
|
||
|
||
以 `rec_chinese_lite_train_v2.0.yml ` 为例
|
||
### Global
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :----------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| use_gpu | 设置代码是否在gpu运行 | true | \ |
|
||
| epoch_num | 最大训练epoch数 | 500 | \ |
|
||
| log_smooth_window | log队列长度，每次打印输出队列里的中间值 | 20 | \ |
|
||
| print_batch_step | 设置打印log间隔 | 10 | \ |
|
||
| save_model_dir | 设置模型保存路径 | output/{算法名称} | \ |
|
||
| save_epoch_step | 设置模型保存间隔 | 3 | \ |
|
||
| eval_batch_step | 设置模型评估间隔 | 2000 或 [1000, 2000] | 2000 表示每2000次迭代评估一次，[1000， 2000]表示从1000次迭代开始，每2000次评估一次 |
|
||
| cal_metric_during_train | 设置是否在训练过程中评估指标，此时评估的是模型在当前batch下的指标 | true | \ |
|
||
| load_static_weights | 设置预训练模型是否是静态图模式保存(目前仅检测算法需要) | true | \ |
|
||
| pretrained_model | 设置加载预训练模型路径 | ./pretrain_models/CRNN/best_accuracy | \ |
|
||
| checkpoints | 加载模型参数路径 | None | 用于中断后加载参数继续训练 |
|
||
| use_visualdl | 设置是否启用visualdl进行可视化log展示 | False | [教程地址](https://www.paddlepaddle.org.cn/paddle/visualdl) |
|
||
| infer_img | 设置预测图像路径或文件夹路径 | ./infer_img | \|
|
||
| character_dict_path | 设置字典路径 | ./ppocr/utils/ppocr_keys_v1.txt | \ |
|
||
| max_text_length | 设置文本最大长度 | 25 | \ |
|
||
| character_type | 设置字符类型 | ch | en/ch, en时将使用默认dict，ch时使用自定义dict|
|
||
| use_space_char | 设置是否识别空格 | True | 仅在 character_type=ch 时支持空格 |
|
||
| label_list | 设置方向分类器支持的角度 | ['0','180'] | 仅在方向分类器中生效 |
|
||
| save_res_path | 设置检测模型的结果保存地址 | ./output/det_db/predicts_db.txt | 仅在检测模型中生效 |
|
||
|
||
### Optimizer ([ppocr/optimizer](../../ppocr/optimizer))
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| name | 优化器类名 | Adam | 目前支持`Momentum`,`Adam`,`RMSProp`, 见[ppocr/optimizer/optimizer.py](../../ppocr/optimizer/optimizer.py) |
|
||
| beta1 | 设置一阶矩估计的指数衰减率 | 0.9 | \ |
|
||
| beta2 | 设置二阶矩估计的指数衰减率 | 0.999 | \ |
|
||
| clip_norm | 所允许的二范数最大值 | | \ |
|
||
| **lr** | 设置学习率decay方式 | - | \ |
|
||
| name | 学习率decay类名 | Cosine | 目前支持`Linear`,`Cosine`,`Step`,`Piecewise`, 见[ppocr/optimizer/learning_rate.py](../../ppocr/optimizer/learning_rate.py) |
|
||
| learning_rate | 基础学习率 | 0.001 | \ |
|
||
| **regularizer** | 设置网络正则化方式 | - | \ |
|
||
| name | 正则化类名 | L2 | 目前支持`L1`,`L2`, 见[ppocr/optimizer/regularizer.py](../../ppocr/optimizer/regularizer.py) |
|
||
| factor | 学习率衰减系数 | 0.00004 | \ |
|
||
|
||
|
||
### Architecture ([ppocr/modeling](../../ppocr/modeling))
|
||
在ppocr中，网络被划分为Transform,Backbone,Neck和Head四个阶段
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| model_type | 网络类型 | rec | 目前支持`rec`,`det`,`cls` |
|
||
| algorithm | 模型名称 | CRNN | 支持列表见[algorithm_overview](./algorithm_overview.md) |
|
||
| **Transform** | 设置变换方式 | - | 目前仅rec类型的算法支持, 具体见[ppocr/modeling/transform](../../ppocr/modeling/transform) |
|
||
| name | 变换方式类名 | TPS | 目前支持`TPS` |
|
||
| num_fiducial | TPS控制点数 | 20 | 上下边各十个 |
|
||
| loc_lr | 定位网络学习率 | 0.1 | \ |
|
||
| model_name | 定位网络大小 | small | 目前支持`small`,`large` |
|
||
| **Backbone** | 设置网络backbone类名 | - | 具体见[ppocr/modeling/backbones](../../ppocr/modeling/backbones) |
|
||
| name | backbone类名 | ResNet | 目前支持`MobileNetV3`,`ResNet` |
|
||
| layers | resnet层数 | 34 | 支持18,34,50,101,152,200 |
|
||
| model_name | MobileNetV3 网络大小 | small | 支持`small`,`large` |
|
||
| **Neck** | 设置网络neck | - | 具体见[ppocr/modeling/necks](../../ppocr/modeling/necks) |
|
||
| name | neck类名 | SequenceEncoder | 目前支持`SequenceEncoder`,`DBFPN` |
|
||
| encoder_type | SequenceEncoder编码器类型 | rnn | 支持`reshape`,`fc`,`rnn` |
|
||
| hidden_size | rnn内部单元数 | 48 | \ |
|
||
| out_channels | DBFPN输出通道数 | 256 | \ |
|
||
| **Head** | 设置网络Head | - | 具体见[ppocr/modeling/heads](../../ppocr/modeling/heads) |
|
||
| name | head类名 | CTCHead | 目前支持`CTCHead`,`DBHead`,`ClsHead` |
|
||
| fc_decay | CTCHead正则化系数 | 0.0004 | \ |
|
||
| k | DBHead二值化系数 | 50 | \ |
|
||
| class_dim | ClsHead输出分类数 | 2 | \ |
|
||
|
||
|
||
### Loss ([ppocr/losses](../../ppocr/losses))
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| name | 网络loss类名 | CTCLoss | 目前支持`CTCLoss`,`DBLoss`,`ClsLoss` |
|
||
| balance_loss | DBLossloss中是否对正负样本数量进行均衡(使用OHEM) | True | \ |
|
||
| ohem_ratio | DBLossloss中的OHEM的负正样本比例 | 3 | \ |
|
||
| main_loss_type | DBLossloss中shrink_map所采用的的loss | DiceLoss | 支持`DiceLoss`,`BCELoss` |
|
||
| alpha | DBLossloss中shrink_map_loss的系数 | 5 | \ |
|
||
| beta | DBLossloss中threshold_map_loss的系数 | 10 | \ |
|
||
|
||
### PostProcess ([ppocr/postprocess](../../ppocr/postprocess))
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| name | 后处理类名 | CTCLabelDecode | 目前支持`CTCLoss`,`AttnLabelDecode`,`DBPostProcess`,`ClsPostProcess` |
|
||
| thresh | DBPostProcess中分割图进行二值化的阈值 | 0.3 | \ |
|
||
| box_thresh | DBPostProcess中对输出框进行过滤的阈值，低于此阈值的框不会输出 | 0.7 | \ |
|
||
| max_candidates | DBPostProcess中输出的最大文本框数量 | 1000 | |
|
||
| unclip_ratio | DBPostProcess中对文本框进行放大的比例 | 2.0 | \ |
|
||
|
||
### Metric ([ppocr/metrics](../../ppocr/metrics))
|
||
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| name | 指标评估方法名称 | CTCLabelDecode | 目前支持`DetMetric`,`RecMetric`,`ClsMetric` |
|
||
| main_indicator | 主要指标,用于选取最优模型 | acc | 对于检测方法为hmean，识别和分类方法为acc |
|
||
|
||
### Dataset ([ppocr/data](../../ppocr/data))
|
||
| 字段 | 用途 | 默认值 | 备注 |
|
||
| :---------------------: | :---------------------: | :--------------: | :--------------------: |
|
||
| **dataset** | 每次迭代返回一个样本 | - | - |
|
||
| name | dataset类名 | SimpleDataSet | 目前支持`SimpleDataSet`和`LMDBDateSet` |
|
||
| data_dir | 数据集图片存放路径 | ./train_data | \ |
|
||
| label_file_list | 数据标签路径 | ["./train_data/train_list.txt"] | dataset为LMDBDateSet时不需要此参数 |
|
||
| ratio_list | 数据集的比例 | [1.0] | 若label_file_list中有两个train_list，且ratio_list为[0.4,0.6]，则从train_list1中采样40%，从train_list2中采样60%组合整个dataset |
|
||
| transforms | 对图片和标签进行变换的方法列表 | [DecodeImage,CTCLabelEncode,RecResizeImg,KeepKeys] | 见[ppocr/data/imaug](../../ppocr/data/imaug) |
|
||
| **loader** | dataloader相关 | - | |
|
||
| shuffle | 每个epoch是否将数据集顺序打乱 | True | \ |
|
||
| batch_size_per_card | 训练时单卡batch size | 256 | \ |
|
||
| drop_last | 是否丢弃因数据集样本数不能被 batch_size 整除而产生的最后一个不完整的mini-batch | True | \ |
|
||
| num_workers | 用于加载数据的子进程个数，若为0即为不开启子进程，在主进程中进行数据加载 | 8 | \ |
|