[Python] ddddocr 訓練紀錄

[ontisme]

1. 安裝 CUDA，選好版本複製命令到Python上安裝即可，1050Ti我安裝11.7
   https://pytorch.org/get-started/locally/
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

作者源文提點

开始本教程前请先前往[pytorch](https://pytorch.org/get-started/locally/) 官网查看自己系统与硬件支持的pytorch版本
注意30系列之前的N卡，如2080Ti等请选择cuda11以下的版本（例：CUDA 10.2）
如果为30系N卡，仅支持CUDA 11版本，请选择CUDA 11以上版本（例：CUDA 11.3），
后根据选择的条件显示的pytorch安装命令完成pytorch安装，
由于pytorch的版本更新速度导致很多pypi源仅缓存了cpu版本，CUDA版本需要自己在官网安装。

2. Clone dddd_trainer

git clone https://github.com/sml2h3/dddd_trainer.git

3. Pip Install

pip install -r .\requirements.txt
pip install onnx # 訓練完時如果沒有這個庫會報 no module named 'onnx'
pip install Pillow==9.5.0 # 為了解決 [AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'](https://stackoverflow.com/questions/76616042/attributeerror-module-pil-image-has-no-attribute-antialias)

4. 新建訓練用專案

python app.py create {project_name}

5. 此時 projects 會有專案名稱，在底下新建自己的訓練圖集資料夾 (以下使用images)
   用於訓練的圖片量建議高於1200張，並且最好是 JPG 格式，訓練時間順利的話1~10分鐘，如果ACC一直卡住代表訓練集太少，假設卡 0.3 ACC，就再準備三倍以上的量再重新訓練較好

# 轉換PNG圖片至JPG
import os
from PIL import Image
import glob

for infile in glob.glob("images/*.png"):
    file, ext = os.path.splitext(infile)
    im = Image.open(infile)
    rgb_im = im.convert('RGB')
    rgb_im.save(file + ".jpg", "JPEG", quality=100)
    os.remove(infile)

注意：訓練圖如果是透明圖會訓練非常久，可以轉成白底

# 此時的目錄結構可能是
projects\{project_name}\images\
AAAXCT_0000.png
AABABN_0000.png

6. 根據需求修改 config.yaml，看不懂就先不用管

7. 緩存訓練集，image_folder建議絕對路徑，否則可能會有各種奇怪問題

python app.py cache {project_name} images

8. 開始訓練

python app.py train {project_name}

9. 訓練完畢會生成在 {project_name}/{models}，裡面會有兩個檔案都要丟到你實際使用ddddocr專案目錄

10. ddddocr 初始化代碼

ocr = ddddocr.DdddOcr(show_ad=False, det=False, ocr=False, import_onnx_path="model/oxxn_1.0_25_9000_2023-08-12-15-27-18.onnx",
                      charsets_path="model/charsets.json")

11. 完整測試代碼

import threading
import time
from os import listdir

import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False, det=False, ocr=False, import_onnx_path="model/oxxn_1.0_25_9000_2023-08-12-15-27-18.onnx",
                      charsets_path="model/charsets.json")
image_src = r'..\projects\oxxn\images'
accuracy = 0


start_time = time.time()
def process(image_src):
    global accuracy

    with open(image_src, 'rb') as f:
        image_bytes = f.read()

    answer = image_src.split('\\')[-1].split('.')[0].split('_')[0]
    res = ocr.classification(image_bytes)

    print(f'{answer} OCR結果：{res} 結果：{answer == res}')
    if answer == res:
        accuracy += 1

threads = []
for i in listdir(image_src):
    src = image_src + '\\' + i
    threads.append(threading.Thread(target=process, args=(src,)))

for thread in threads:
    thread.start()

for thread in threads:
    thread.join()

print(f'正確率：{accuracy / len(listdir(image_src)) * 100} %')
print(f'正確數：{accuracy} / {len(listdir(image_src))}')
print(f'花費時間：{time.time() - start_time}秒')