切割数据
Paddleocr/PPOCRLabel/gen_ocr_train_val_test.py；切割后的数据在train_data中，注意切割后的数据前缀默认是当前目录，因此建议切割数据在liunx中进行。建议在liunx中指定
python gen_ocr_train_val_test.py --datasetRootPath==XX
或者修改下面--datasetRootPath中的default
if __name__ == "__main__":# 功能描述：分别划分检测和识别的训练集、验证集、测试集# 说明：可以根据自己的路径和需求调整参数，图像数据往往多人合作分批标注，每一批图像数据放在一个文件夹内用PPOCRLabel进行标注，# 如此会有多个标注好的图像文件夹汇总并划分训练集、验证集、测试集的需求parser = argparse.ArgumentParser()parser.add_argument("--trainValTestRatio",type=str,default="8:2:0",help="ratio of trainset:valset:testset")parser.add_argument("--datasetRootPath",type=str,default="./xia/",help="需要切割的数据path to the dataset marked by ppocrlabel, E.g, dataset folder named 1,2,3...")parser.add_argument("--detRootPath",type=str,default="../train_data/det",help="the path where the divided detection dataset is placed")parser.add_argument("--recRootPath",type=str,default="../train_data/rec",help="the path where the divided recognition dataset is placed")parser.add_argument("--detLabelFileName",type=str,default="Label.txt",help="the name of the detection annotation file")parser.add_argument("--recLabelFileName",type=str,default="rec_gt.txt",help="the name of the recognition annotation file")parser.add_argument("--recImageDirName",type=str,default="crop_img",help="the name of the folder where the cropped recognition dataset is located")如果在Win中切割，放入liunx中训练。前缀可能如下
常见的Liunx命令
切换路径：cd /路径
编辑或者创建文档：vim
仅退出vim，先按ESC，再shift+：，在底部看到：,输入q或者q!
改动完退出vim,先按ESC，再shift+：，在底部看到：,输入wq
复制文件：单个文件：cp XXX YYY ；文件夹:cp -rf XXX YYY
删除文件：rm -rf XXX
det
训练
1、打开tmux窗口启动，这样断开连接后台可以继续训练
2、根据需求修改配置文件，如输出名称，数据集位置，注意暂时不要改吧epoch，训练容易报错
shell命令如下，创建和修改shell后需要
创建：vim XXX.sh
修改权限：chmod +x XXX.sh
#首先使用该命令打开tmux窗口: tmux attach -t my_session_name
#根据任务修改configs
python3 -m paddle.distributed.launch --gpus '0' tools/train.py
-c ./configs/det/ch_PP-OCRv4/训练使用的配置文件.yml
-o Global.pretrained_model=./pretrain_models/PPHGNet_small_ocr_det.pdparams推理
python3 tools/export_model.py
-c ./configs/det/ch_PP-OCRv4/训练使用的配置文件.yml
-o Global.pretrained_model=./output/训练输出文件夹名称/best_accuracy
Global.save_inference_dir=./inference/输出文件夹名称/ 配置文件位置：/data/ocr/PaddleOCR-2.7.5/configs/det
#使用命令修改配置文件
#-o参数在不需要修改yml文件的情况下，改变训练的参数，比如，调整训练的学习率为0.0001
python3 tools/train.py -c configs/det/det_mv3_db.yml
-o Optimizer.base_lr=0.0001也可以直接修改额配置文件，如/data/ocr/PaddleOCR-2.7.5/configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_teacher.yml
修改训练得到模型地址
修改数据集：
修改batch_size:
Rec:
训练
# tmux attach -t my_session_name
python3 -m paddle.distributed.launch --gpus '0' tools/train.py
-c configs/rec/PP-OCRv4/配置文件.yml
-o
Global.pretrained_model=./pretrain_models/en_PP-OCRv4_rec_train/best_accuracy配置文件位置：/data/ocr/PaddleOCR-2.7.5/configs/rec
推理
python3 tools/export_model.py
-c configs/rec/PP-OCRv4/训练配置文件.yml
-o Global.pretrained_model=/data/ocr/PaddleOCR-2.7.5/output/训练输出文件夹/best_model/model
Global.save_inference_dir=./inference/推理输出文件夹/
--指定区域指定字符串计数)
