ppocr训练自己的分类器（多方向）

要多尝试才会发现问题，而不是一味的在焦虑未来，与其焦虑，不如行动起来！欢迎和大家一起讨论交流！！！t=P1C7t=P1C7t=P1C7t=P1C7飞桨PaddlePaddle-源于产业实践的开源深度学习平台飞桨致力于让深度学习技术的创新与应用更简单。具有以下特点：同时支持动态图和静态图，兼顾灵活性和效率；精选应用效果最佳算法模型并提供官方支持；真正源于产业实践，提供业界最强的超大规模并行深度学习能力；推理引擎一体化设计，提供训练到多端推理的无缝对接；

PaddleOCR训练和测试自己的数据集

一 、数据准备 采用PPOCRLabel标注自己的数据 PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PP-OCR模型对数据自动标注和重新识别。使用Python3和PyQT5编写，支持矩形框标注和四点标注模式，导出格式可直接用于PaddleOCR检测和识别模型的训练。 1.1 安装PaddlePaddle pip3 install --upgrade pip # 如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装 python3 -m pip in.

由于框架在不断迭代，最新版的指导希望能帮助新手掌握训练自己的数据集与知识蒸馏过程

PaddleOCR是目前识别精度比较高的开源项目，这篇文章主要介绍如何利用私人数据集训练OCR模型，并部署到本地使用。

paddleocr训练一般需要训练自己的文本检测模型或者文本识别模型，对于刚入门编程小白或者对paddleocr还不太熟悉的同学们很难短时间上手，也不知道怎么去配置让自己的数据集训练起来。为了解决paddleocr训练难的问题，FIRC最近开发了2个软件，可以轻松完成自己模型训练任务，支持文本检测或者文本识别模型.为了方便维护，软件分为文本检测版本和文本识别版本。文本检测版本截图如下： 文本检测版本软件使用流程非常简单，只要你有数据集，也不用特意分割数据集。因为软件会自动分割数据集，如果自己想分割数据

PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。

PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。多语种支持：PaddleOCR支持多种语言的文字识别，包括中文、英文、日语、韩语等。同时，它还支持多种不同文字类型的识别，如手写字、印刷体、表格等。

cuda、cudnn、pytorch、conda、PPOCRLabel等。对每一个图片内容进行检测并改正;完成之后点击右下角确认。自动导出标记结果、自动重新识别、自动保存未提交变更。这次主要改进并优化之前写的一篇内容。记录自己使用的过程，方便后期使用。1、首先启用PPOCRLabel。2、接着点击左下角的自动标注。导出标记结果、导出识别结果。3、确认完成后点击左上角。文件，把下面三个都选上。未完后面接着更...

若该文为原创文章，转载请注明原文出处。续上一篇，PaddleOCR环境搭建好了，并测试通过，接下来训练自己的检测模型和识别模型。

配置文件路径：configs/rec/PP-OCRv3/ch_PP-OCRv3_rec_distillation.yml。这里的训练图像存放路径和标注label都在./data目录下。