需求：需要对手写图片进行识别 勾，叉，圈，识别成对于的 v,x,o 其他的符号识别成 e
搭建环境： win10 gpu模式（用cpu搭建过一版，但是cpu训练太慢，搭建cpu期间的问题比gpu问题的少）
使用gpu的需要有一块N卡（英伟达）。我使用的是2060s，显卡算力需要超过3.5。（ 第一次训练使 用i5—1135G7 cpu模式 需要两天多时间，第二次训练使用2060s 需要两个小时）
python环境：3.7
cuda：11.6
cudnn：8.8.0.121
pycharm：2020.1.5
pip也要更新到最新版本
安装PaddleOCR前，需要把环境先搭建好
官方代码库（gitee）：PaddleOCR: 基于飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。
过程：本次识别模型建立，使用识别素材850张图片，验证素材446张图片，通过PaddleOCR算法成功建立了一个手写符号识别模型。
PaddlePaddle安装
安装PaddleORC前，需要先安装好PaddlePaddle
我东西下载完后，期间验证的时候报错了，错误没有截图
主要问题是 显卡驱动——》cuda驱动——》cudnn驱动，三个的版本关系没有对应好。
首先要确定显卡的驱动，然后根据显卡驱动来选择cuda的驱动，然后根据cuda驱动选择cudnn驱动。
PaddleOCR安装
PaddlePaddle安装好后，可以安装PaddleOCR了
地址：doc/doc_ch/quickstart.md · PaddlePaddle/PaddleOCR - Gitee.com
（如果是win搭建的话，图中的python3命令都可以换成python）
其中 win运行这个命令，下载一堆东西后，会报错的，原因有些包下载不下来。官方提供的额外安装包也不够用
主要是“lanms_neo-1.0.2”这个包下载不下来
可以手动下载，解压，地址：
下载下来是whI结尾的文件，可以把后缀名改成zip压缩包的形式，进行解压。解压地址：python安装包里的/lib/sit-packages里面
其他的包应该就可以手动pip进行下载了，如果还是不行。可能需要下载C++的环境，参考：
解决PaddleOCR安装lanms-neo时报错，Could not build wheels for lanms-neo ..._樱阙诗汀的博客-CSDN博客
然后就可以下载官方的图片包了，切换路径后，识别图片
我当时这里出现了问题，原因是没有装cudnn和cuda驱动里少了zlibwapi。zlibwapi需要手动进行下载然后放入cuda里面
到此图片就可以正常识别了。
模型训练
地址：
doc/doc_ch/recognition.md · PaddlePaddle/PaddleOCR - Gitee.com
首先建立素材库，文档中给出来的素材库结构不正确，和代码中的不对应。
这个需要注意
我是训练新的内容，所以我这边要新建立一个字典。
我是将原先的字典复制一个，然后在这个字典上修改
然后还修改了这个文件的地址路径，后续用的上（应该，忘了为啥改这里了）：
启动训练：
训练模型自己下载下来放在pretrain_models包里然后解压就行了，地址：https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_train.tar
我这边是进行单卡训练的：
python tools/train.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=./pretrain_models/en_PP-OCRv3_rec_train/best_accuracy
但是单卡训练应该要改参数，文档中没有说，改之前，我一直训练不成功
batch_size_per_card: 128 num_workers: 4
改成了：
batch_size_per_card: 64 num_workers: 1
然后就跑起来了，跑了两个小时，模型生成了出来
生成的模板在/output/v3_en_mobile里面，best_accuracy表示最好的模型
然后用这个命令，导出模型： python tools/export_model.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=./output/v3_en_mobile/best_accuracy Global.save_inference_dir=./inference/en_PP-OCRv3_rec/
导出的模型在/inference/en_PP-OCRv3_rec里面
然后新建测试图片集合：
用命令进行测试： python tools/infer/predict_rec.py --image_dir="./ppocr_img/imgs_en/1.jpg" --rec_model_dir="./inference/en_PP-OCRv3_rec" --rec_image_shape="3, 48, 320" --rec_char_dict_path="ppocr/utils/en_dict.txt"
我这边放了50张图片进行测试，前30张为较正常的勾，叉，圈。全部识别出来。后20张为离谱的勾，叉，圈，识别出来17张，错了3张。
| 图片名称 |
真实符号 |
检测符号 |
确认率 |
识别图片 |
| 1 |
v |
v |
0.99 |
|
| 2 |
v |
v |
0.99 |
|
| 3 |
v |
v |
0.99 |
|
| 4 |
v |
v |
0.81 |
|
| 5 |
v |
v |
0.99 |
|
| 6 |
v |
v |
0.99 |
|
| 7 |
v |
v |
0.99 |
|
| 8 |
v |
v |
0.99 |
|
| 9 |
v |
v |
0.98 |
|
| 10 |
v |
v |
0.99 |
|
| 11 |
x |
x |
0.99 |
|
| 12 |
x |
x |
0.99 |
|
| 13 |
x |
x |
0.69 |
|
| 14 |
x |
x |
0.99 |
|
| 15 |
x |
x |
0.99 |
|
| 16 |
x |
x |
0.98 |
|
| 17 |
x |
x |
0.99 |
|
| 18 |
x |
x |
0.99 |
|
| 19 |
x |
x |
0.99 |
|
| 20 |
x |
x |
0.99 |
|
| 21 |
o |
o |
0.99 |
|
| 22 |
o |
o |
0.99 |
|
| 23 |
o |
o |
0.99 |
|
| 24 |
o |
o |
0.99 |
|
| 25 |
o |
o |
0.99 |
|
| 26 |
o |
o |
0.99 |
|
| 27 |
o |
o |
0.99 |
|
| 28 |
o |
o |
0.99 |
|
| 29 |
o |
o |
0.99 |
|
| 30 |
o |
o |
0.99 |
|
| 31 |
e |
e |
0.94 |
|
| 32 |
e |
e |
0.80 |
|
| 33 |
x |
x |
0.99 |
|
| 34 |
x |
e |
0.99 |
|
| 35 |
e |
e |
0.99 |
|
| 36 |
v |
v |
0.99 |
|
| 37 |
e |
e |
0.99 |
|
| 38 |
e |
e |
0.87 |
|
| 39 |
e |
o |
0.42 |
|
| 40 |
o |
o |
0.99 |
|
| 41 |
o |
o |
0.99 |
|
| 42 |
v |
v |
0.59 |
|
| 43 |
e |
e |
0.99 |
|
| 44 |
e |
e |
0.99 |
|
| 45 |
e |
e |
0.99 |
|
| 46 |
o |
o |
0.99 |
|
| 47 |
e |
e |
0.96 |
|
| 48 |
v |
v |
0.97 |
|
| 49 |
x |
x |
0.99 |
|
| 50 |
e |
o |
0.98 |
|
注：标色的为识别错误符号。
