source/PaddleOCR/docs/version3.x/module_usage/text_recognition.md

metadata

comments: true

文本识别模块使用教程

一、概述

文本识别模块是OCR（光学字符识别）系统中的核心部分，负责从图像中的文本区域提取出文本信息。该模块的性能直接影响到整个OCR系统的准确性和效率。文本识别模块通常接收文本检测模块输出的文本区域的边界框（Bounding Boxes）作为输入，然后通过复杂的图像处理和深度学习算法，将图像中的文本转化为可编辑和可搜索的电子文本。文本识别结果的准确性，对于后续的信息提取和数据挖掘等应用至关重要。

二、支持模型列表

推理耗时仅包含模型推理耗时，不包含前后处理耗时。表格中的“常规模式”耗时对应本地 paddle_static 推理引擎。

模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
PP-OCRv6_medium_rec	推理模型/训练模型	83.2*	- / -	- / -	73.3	PP-OCRv6 文本识别模型，基于 PPLCNetV4 + LightSVTR + CTC/NRTR 多头解码器，单模型支持 50 种语言（tiny 档 49 种）。medium 档相比 PP-OCRv5_server 综合识别精度提升 5.1%。
PP-OCRv6_small_rec	推理模型/训练模型	81.3*	- / -	- / -	20.4
PP-OCRv6_tiny_rec	推理模型/训练模型	73.5*	- / -	- / -	4.4
PP-OCRv5_server_rec	推理模型/训练模型	86.38	8.46 / 2.36	31.21 / 31.21	81	PP-OCRv5_rec 是新一代文本识别模型。该模型致力于以单一模型高效、精准地支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。在保持识别效果的同时，兼顾推理速度和模型鲁棒性，为各种场景下的文档理解提供高效、精准的技术支撑。
PP-OCRv5_mobile_rec	推理模型/训练模型	81.29	5.43 / 1.46	21.20 / 5.32	16
PP-OCRv4_server_rec_doc	推理模型/训练模型	86.58	8.69 / 2.78	37.93 / 37.93	182	PP-OCRv4_server_rec_doc是在PP-OCRv4_server_rec的基础上，在更多中文文档数据和PP-OCR训练数据的混合数据训练而成，增加了部分繁体字、日文、特殊字符的识别能力，可支持识别的字符为1.5万+，除文档相关的文字识别能力提升外，也同时提升了通用文字的识别能力
PP-OCRv4_mobile_rec	推理模型/训练模型	78.74	5.26 / 1.12	17.48 / 3.61	10.5	PP-OCRv4的轻量级识别模型，推理效率高，可以部署在包含端侧设备的多种硬件设备中
PP-OCRv4_server_rec	推理模型/训练模型	85.19	8.75 / 2.49	36.93 / 36.93	173	PP-OCRv4的服务器端模型，推理精度高，可以部署在多种不同的服务器上
en_PP-OCRv4_mobile_rec	推理模型/训练模型	70.39	4.81 / 1.23	17.20 / 4.18	7.5	基于PP-OCRv4识别模型训练得到的超轻量英文识别模型，支持英文、数字识别

*注：PP-OCRv6 指标基于内部多场景评估集测得，PP-OCRv5/v4 指标基于通用评估集测得，两者评估集不同，指标不可直接对比。

❗ 以上列出的是文本识别模块重点支持的4个核心模型，该模块总共支持20个全量模型，包含多个多语言文本识别模型，完整的模型列表如下：

👉模型列表详情

• PP-OCRv6 多场景模型

模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍

• PP-OCRv5 多场景模型

模型	模型下载链接	中文识别 Avg Accuracy(%)	英文识别 Avg Accuracy(%)	繁体中文识别 Avg Accuracy(%)	日文识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
PP-OCRv6_medium_rec	推理模型/训练模型	83.2*	- / -	- / -	73.3	PP-OCRv6 文本识别模型，基于 PPLCNetV4 + LightSVTR + CTC/NRTR 多头解码器，单模型支持 50 种语言（tiny 档 49 种）。medium 档相比 PP-OCRv5_server 综合识别精度提升 5.1%。
PP-OCRv6_small_rec	推理模型/训练模型	81.3*	- / -	- / -	20.4
PP-OCRv6_tiny_rec	推理模型/训练模型	73.5*	- / -	- / -	4.4
PP-OCRv5_server_rec	推理模型/训练模型	86.38	64.70	93.29	60.35	8.46 / 2.36	31.21 / 31.21	81	PP-OCRv5_rec 是新一代文本识别模型。该模型致力于以单一模型高效、精准地支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。在保持识别效果的同时，兼顾推理速度和模型鲁棒性，为各种场景下的文档理解提供高效、精准的技术支撑。
PP-OCRv5_mobile_rec	推理模型/训练模型	81.29	66.00	83.55	54.65	5.43 / 1.46	21.20 / 5.32	16

• 中文识别模型

  模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
  PP-OCRv4_server_rec_doc	推理模型/训练模型	86.58	8.69 / 2.78	37.93 / 37.93	182	PP-OCRv4_server_rec_doc是在PP-OCRv4_server_rec的基础上，在更多中文文档数据和PP-OCR训练数据的混合数据训练而成，增加了部分繁体字、日文、特殊字符的识别能力，可支持识别的字符为1.5万+，除文档相关的文字识别能力提升外，也同时提升了通用文字的识别能力
  PP-OCRv4_mobile_rec	推理模型/训练模型	78.74	5.26 / 1.12	17.48 / 3.61	10.5	PP-OCRv4的轻量级识别模型，推理效率高，可以部署在包含端侧设备的多种硬件设备中
  PP-OCRv4_server_rec	推理模型/训练模型	85.19	8.75 / 2.49	36.93 / 36.93	173	PP-OCRv4的服务器端模型，推理精度高，可以部署在多种不同的服务器上
  PP-OCRv3_mobile_rec	推理模型/训练模型	72.96	3.89 / 1.16	8.72 / 3.56	10.3	PP-OCRv3的轻量级识别模型，推理效率高，可以部署在包含端侧设备的多种硬件设备中

模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
ch_SVTRv2_rec	推理模型/训练模型	68.81	10.38 / 8.31	66.52 / 30.83	80.5	SVTRv2 是一种由复旦大学视觉与学习实验室（FVL）的OpenOCR团队研发的服务端文本识别模型，其在PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务中荣获一等奖，A榜端到端识别精度相比PP-OCRv4提升6%。

模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
ch_RepSVTR_rec	推理模型/训练模型	65.07	6.29 / 1.57	20.64 / 5.40	48.8	RepSVTR 文本识别模型是一种基于SVTRv2 的移动端文本识别模型，其在PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务中荣获一等奖，B榜端到端识别精度相比PP-OCRv4提升2.5%，推理速度持平。

• 英文识别模型

  模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
  en_PP-OCRv5_mobile_rec	推理模型/训练模型	85.25	-	-	7.5	基于PP-OCRv5识别模型训练得到的超轻量级英文识别模型，进一步提升英文文本的识别准确率，优化空格漏识别的问题，并提高对手写英文文本的识别效果。
  en_PP-OCRv4_mobile_rec	推理模型/训练模型	70.39	4.81 / 1.23	17.20 / 4.18	7.5	基于PP-OCRv4识别模型训练得到的超轻量英文识别模型，支持英文、数字识别
  en_PP-OCRv3_mobile_rec	推理模型/训练模型	70.69	3.56 / 0.78	8.44 / 5.78	17.3	基于PP-OCRv3识别模型训练得到的超轻量英文识别模型，支持英文、数字识别

• 多语言识别模型

  模型	模型下载链接	识别 Avg Accuracy(%)	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
  korean_PP-OCRv5_mobile_rec	推理模型/训练模型	88.0	5.43 / 1.46	21.20 / 5.32	14	基于PP-OCRv5识别模型训练得到的超轻量韩文识别模型，支持韩文、英文和数字识别
  latin_PP-OCRv5_mobile_rec	推理模型/训练模型	84.7	5.43 / 1.46	21.20 / 5.32	14	基于PP-OCRv5识别模型训练得到的拉丁文识别模型，支持大部分拉丁字母语言、数字识别
  eslav_PP-OCRv5_mobile_rec	推理模型/训练模型	81.6	5.43 / 1.46	21.20 / 5.32	14	基于PP-OCRv5识别模型训练得到的东斯拉夫语言识别模型， 支持东斯拉夫语言、英文和数字识别
  th_PP-OCRv5_mobile_rec	推理模型/训练模型	82.68	-	-	7.5	基于PP-OCRv5识别模型训练得到的泰语识别模型， 支持泰语、英文和数字识别
  el_PP-OCRv5_mobile_rec	推理模型/训练模型	89.28	-	-	7.5	基于PP-OCRv5识别模型训练得到的希腊语识别模型， 支持希腊语、英文和数字识别
  arabic_PP-OCRv5_mobile_rec	推理模型/训练模型	81.27	-	-	7.6	基于PP-OCRv5识别模型训练得到的超轻量阿拉伯字母识别模型，支持阿拉伯字母、数字识别
  cyrillic_PP-OCRv5_mobile_rec	推理模型/训练模型	80.27	-	-	7.7	基于PP-OCRv5识别模型训练得到的超轻量斯拉夫字母识别模型，支持斯拉夫字母、数字识别
  devanagari_PP-OCRv5_mobile_rec	推理模型/训练模型	84.96	-	-	7.5	基于PP-OCRv5识别模型训练得到的超轻量天城文识别模型，支持印地文、梵文等字母以及数字识别
  te_PP-OCRv5_mobile_rec	推理模型/训练模型	87.65	-	-	7.5	基于PP-OCRv5识别模型训练得到的超轻量泰卢固文识别模型，支持泰卢固文、数字识别
  ta_PP-OCRv5_mobile_rec	推理模型/训练模型	94.2	-	-	7.5	基于PP-OCRv5识别模型训练得到的超轻量泰米尔文识别模型，支持泰米尔文、数字识别
  korean_PP-OCRv3_mobile_rec	推理模型/训练模型	60.21	3.73 / 0.98	8.76 / 2.91	9.6	基于PP-OCRv3识别模型训练得到的超轻量韩文识别模型，支持韩文、数字识别
  japan_PP-OCRv3_mobile_rec	推理模型/训练模型	45.69	3.86 / 1.01	8.62 / 2.92	9.8	基于PP-OCRv3识别模型训练得到的超轻量日文识别模型，支持日文、数字识别
  chinese_cht_PP-OCRv3_mobile_rec	推理模型/训练模型	82.06	3.90 / 1.16	9.24 / 3.18	10.8	基于PP-OCRv3识别模型训练得到的超轻量繁体中文识别模型，支持繁体中文、数字识别
  te_PP-OCRv3_mobile_rec	推理模型/训练模型	95.88	3.59 / 0.81	8.28 / 6.21	8.7	基于PP-OCRv3识别模型训练得到的超轻量泰卢固文识别模型，支持泰卢固文、数字识别
  ka_PP-OCRv3_mobile_rec	推理模型/训练模型	96.96	3.49 / 0.89	8.63 / 2.77	17.4	基于PP-OCRv3识别模型训练得到的超轻量卡纳达文识别模型，支持卡纳达文、数字识别
  ta_PP-OCRv3_mobile_rec	推理模型/训练模型	76.83	3.49 / 0.86	8.35 / 3.41	8.7	基于PP-OCRv3识别模型训练得到的超轻量泰米尔文识别模型，支持泰米尔文、数字识别
  latin_PP-OCRv3_mobile_rec	推理模型/训练模型	76.93	3.53 / 0.78	8.50 / 6.83	8.7	基于PP-OCRv3识别模型训练得到的超轻量拉丁文识别模型，支持拉丁文、数字识别
  arabic_PP-OCRv3_mobile_rec	推理模型/训练模型	73.55	3.60 / 0.83	8.44 / 4.69	17.3	基于PP-OCRv3识别模型训练得到的超轻量阿拉伯字母识别模型，支持阿拉伯字母、数字识别
  cyrillic_PP-OCRv3_mobile_rec	推理模型/训练模型	94.28	3.56 / 0.79	8.22 / 2.76	8.7	基于PP-OCRv3识别模型训练得到的超轻量斯拉夫字母识别模型，支持斯拉夫字母、数字识别
  devanagari_PP-OCRv3_mobile_rec	推理模型/训练模型	96.44	3.60 / 0.78	6.95 / 2.87	8.7	基于PP-OCRv3识别模型训练得到的超轻量梵文字母识别模型，支持梵文字母、数字识别

测试环境说明:

• 性能测试环境
  • 测试数据集：
    • 中文识别模型： PaddleOCR 自建的中文数据集，覆盖街景、网图、文档、手写多个场景，其中文本识别包含 1.1w 张图片。
    • ch_SVTRv2_rec：PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务A榜评估集。
    • ch_RepSVTR_rec：PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务B榜评估集。
    • 英文识别模型：PaddleOCR 自建的英文数据集。
    • 多语言识别模型：PaddleOCR 自建的多语种数据集。
  • 硬件配置：
    • GPU：NVIDIA Tesla T4
    • CPU：Intel Xeon Gold 6271C @ 2.60GHz
  • 软件环境：
    • Ubuntu 20.04 / CUDA 11.8 / cuDNN 8.9 / TensorRT 8.6.1.6
    • paddlepaddle-gpu 3.0.0 / paddleocr 3.0.3
• 推理模式说明

模式	GPU配置	CPU配置	加速技术组合
常规模式	FP32精度 / 无TRT加速	FP32精度 / 8线程	PaddleInference
高性能模式	选择先验精度类型和加速策略的最优组合	FP32精度 / 8线程	选择先验最优后端（Paddle/OpenVINO/TRT等）

三、快速开始

❗ 在快速开始前，请先安装 PaddleOCR 的 wheel 包，详细请参考 安装教程。

使用一行命令即可快速体验：

paddleocr text_recognition -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_rec_001.png

上述示例默认使用 paddle_static 推理引擎，请先按照飞桨框架安装完成 PaddlePaddle 安装。

如果选择 transformers 作为推理引擎，请确保已配置 Transformers 环境，然后执行如下命令：

# 使用 transformers 引擎进行推理
paddleocr text_recognition -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_rec_001.png \
    --engine transformers

如果选择 onnxruntime 作为推理引擎，请确保已配置 ONNX Runtime 环境，然后执行如下命令：

# 使用 onnxruntime 引擎进行推理
paddleocr text_recognition -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_rec_001.png \
    --engine onnxruntime

在大多数场景下，默认的 paddle_static 推理引擎通常具备更好的推理性能，建议优先使用。

注：PaddleOCR 官方模型默认从 HuggingFace 获取，如运行环境访问 HuggingFace 不便，可通过环境变量修改模型源为 BOS：PADDLE_PDX_MODEL_SOURCE="BOS"，未来将支持更多主流模型源；

您也可以将文本识别的模块中的模型推理集成到您的项目中。运行以下代码前，请您下载示例图片到本地。

from paddleocr import TextRecognition
model = TextRecognition()
output = model.predict(input="general_ocr_rec_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

上述示例默认使用 paddle_static 推理引擎，请先按照飞桨框架安装完成 PaddlePaddle 安装。

如果选择 transformers 作为推理引擎，请确保已配置 Transformers 环境，然后执行如下代码：

from paddleocr import TextRecognition
model = TextRecognition(engine="transformers")
output = model.predict(input="general_ocr_rec_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

如果选择 onnxruntime 作为推理引擎，请确保已配置 ONNX Runtime 环境，然后执行如下代码：

from paddleocr import TextRecognition
model = TextRecognition(engine="onnxruntime")
output = model.predict(input="general_ocr_rec_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

在大多数场景下，默认的 paddle_static 推理引擎通常具备更好的推理性能，建议优先使用。

训练后的模型如果想使用 paddle_dynamic 或 transformers 引擎，请参考后文 推理引擎 中的 权重转换 部分将模型由 pdparams 格式通过 PaddleX 转换为 safetensors 格式。

运行后，得到的结果为：

{'res': {'input_path': 'general_ocr_rec_001.png', 'page_index': None, 'rec_text': '绿洲仕格维花园公寓', 'rec_score': 0.9823867082595825}}

运行结果参数含义如下：

• input_path：表示输入待预测文本行图像的路径
• page_index：如果输入是PDF文件，则表示当前是PDF的第几页，否则为 None
• rec_text：表示文本行图像的预测文本
• rec_score：表示文本行图像的预测置信度

可视化图片如下：

相关方法、参数等说明如下：

• TextRecognition实例化文本识别模型，具体说明如下：

  参数	参数说明	参数类型	默认值
  model_name	含义：模型名称。 说明： 如果设置为None，则使用PP-OCRv6_medium_rec。	str|None	None
  model_dir	含义：模型存储路径。	str|None	None
  device	含义：用于推理的设备。 说明： 例如："cpu"、"gpu"、"npu"、"gpu:0"、"gpu:0,1"。 如指定多个设备，将进行并行推理。 默认情况下，优先使用 GPU 0；若不可用则使用 CPU。	str|None	None
  engine	含义：推理引擎。 说明：支持 None（默认值）、paddle、paddle_static、paddle_dynamic、transformers、onnxruntime。保持为默认值 None 时，本地推理默认使用 paddle_static 引擎。详细说明、取值、兼容性规则与示例请参见 推理引擎与配置说明。	str|None	None
  engine_config	含义：推理引擎配置。 说明：推荐与 engine 搭配使用。详细字段、兼容性规则与示例请参见 推理引擎与配置说明。	dict|None	None
  enable_hpi	含义：是否启用高性能推理。	bool	False
  use_tensorrt	含义：是否启用 Paddle Inference 的 TensorRT 子图引擎。 说明： 如果模型不支持通过 TensorRT 加速，即使设置了此标志，也不会使用加速。 对于 CUDA 11.8 版本的飞桨，兼容的 TensorRT 版本为 8.x（x>=6），建议安装 TensorRT 8.6.1.6。	bool	False
  precision	含义：当使用 Paddle Inference 的 TensorRT 子图引擎时设置的计算精度。 说明： 可选项："fp32"、"fp16"。	str	"fp32"
  enable_mkldnn	含义：是否启用 MKL-DNN 加速推理。 说明： 如果 MKL-DNN 不可用或模型不支持通过 MKL-DNN 加速，即使设置了此标志，也不会使用加速。	bool	True
  mkldnn_cache_capacity	含义：MKL-DNN 缓存容量。	int	10
  cpu_threads	含义：在 CPU 上推理时使用的线程数量。	int	10
  input_shape	含义：模型输入图像尺寸，格式为 (C, H, W)。	tuple|None	None

  • 调用文本识别模型的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，本模块还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。predict() 方法参数有 input 和 batch_size，具体说明如下：

  参数	参数说明	参数类型	默认值
  input	含义：待预测数据，支持多种输入类型，必填。 说明： Python Var：如 numpy.ndarray 表示的图像数据 str：如图像文件或者PDF文件的本地路径：/root/data/img.jpg；如URL链接，如图像文件或PDF文件的网络URL：示例；如本地目录，该目录下需包含待预测图像，如本地路径：/root/data/(当前不支持目录中包含PDF文件的预测，PDF文件需要指定到具体文件路径) list：列表元素需为上述类型数据，如[numpy.ndarray, numpy.ndarray]，["/root/data/img1.jpg", "/root/data/img2.jpg"]，["/root/data1", "/root/data2"]	Python Var|str|list
  batch_size	含义：批大小 说明： 可设置为任意正整数。	int	1

  • 对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为json文件的操作:

  方法	方法说明	参数	参数类型	参数说明	默认值
  print()	打印结果到终端	format_json	bool	是否对输出内容进行使用 JSON 缩进格式化	True
  		indent	int	指定缩进级别，以美化输出的 JSON 数据，使其更具可读性，仅当 format_json 为 True 时有效	4
  		ensure_ascii	bool	控制是否将非 ASCII 字符转义为 Unicode。设置为 True 时，所有非 ASCII 字符将被转义；False 则保留原始字符，仅当format_json为True时有效	False
  save_to_json()	将结果保存为json格式的文件	save_path	str	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无
  		indent	int	指定缩进级别，以美化输出的 JSON 数据，使其更具可读性，仅当 format_json 为 True 时有效	4
  		ensure_ascii	bool	控制是否将非 ASCII 字符转义为 Unicode。设置为 True 时，所有非 ASCII 字符将被转义；False 则保留原始字符，仅当format_json为True时有效	False
  save_to_img()	将结果保存为图像格式的文件	save_path	str	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无

  • 此外，也支持通过属性获取带结果的可视化图像和预测结果，具体如下：

  属性	属性说明
  json	获取预测的json格式的结果
  img	获取格式为dict的可视化图像

  四、二次开发

  如果以上模型在您的场景上效果仍然不理想，您可以尝试以下步骤进行二次开发，此处以训练 PP-OCRv5_server_rec 举例，其他模型替换对应配置文件即可。首先，您需要准备文本识别的数据集，可以参考文本识别 Demo 数据的格式准备，准备好后，即可按照以下步骤进行模型训练和导出，导出后，可以将模型快速集成到上述 API 中。此处以文本识别 Demo 数据示例。在训练模型之前，请确保已经按照安装文档安装了 PaddleOCR 所需要的依赖。

  4.1 数据集、预训练模型准备

  4.1.1 准备数据集

  # 下载示例数据集
  wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/ocr_rec_dataset_examples.tar
  tar -xf ocr_rec_dataset_examples.tar
  

  4.1.2 下载预训练模型

  # 下载 PP-OCRv5_server_rec 预训练模型
  wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/PP-OCRv5_server_rec_pretrained.pdparams 
  

  4.2 模型训练

  PaddleOCR 对代码进行了模块化，训练 PP-OCRv5_server_rec 识别模型时需要使用 PP-OCRv5_server_rec 的配置文件。

  训练命令如下：

  #单卡训练 (默认训练方式)
  python3 tools/train.py -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml \
     -o Global.pretrained_model=./PP-OCRv5_server_rec_pretrained.pdparams
  
  #多卡训练，通过--gpus参数指定卡号
  python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml \
          -o Global.pretrained_model=./PP-OCRv5_server_rec_pretrained.pdparams
  

  4.3 模型评估

  您可以评估已经训练好的权重，如，output/xxx/xxx.pdparams，使用如下命令进行评估：

  #注意将pretrained_model的路径设置为本地路径。若使用自行训练保存的模型，请注意修改路径和文件名为{path/to/weights}/{model_name}。
  #demo 测试集评估
  python3 tools/eval.py -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml -o \
  Global.pretrained_model=output/xxx/xxx.pdparams
  

  4.4 模型导出

  python3 tools/export_model.py -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml -o \
  Global.pretrained_model=output/xxx/xxx.pdparams \
  Global.save_inference_dir="./PP-OCRv5_server_rec_infer/"
  

  导出模型后，静态图模型会存放于当前目录的./PP-OCRv5_server_rec_infer/中，在该目录下，您将看到如下文件：

  ./PP-OCRv5_server_rec_infer/
  ├── inference.json
  ├── inference.pdiparams
  ├── inference.yml
  

  至此，二次开发完成，该静态图模型可以直接集成到 PaddleOCR 的 API 中。

  训练后的模型如果想使用 paddle_dynamic 或 transformers 引擎，请参考后文 推理引擎 中的 权重转换 部分将模型由 pdparams 格式通过 PaddleX 转换为 safetensors 格式。

  五、推理引擎 {#五推理引擎}

  关于推理引擎的详细说明、取值、兼容性规则与示例请参见 推理引擎与配置说明。

  5.1 速度数据

  model	engine	Preprocessing (ms)	Inference (ms)	PostProcessing (ms)	End-to-End (ms)
  PP-OCRv5_mobile_rec	paddle_static	1.94	6.69	1.00	9.76
  	paddle_dynamic	1.97	35.38	1.11	38.60
  	transformers	3.31	17.70	0.50	21.68
  	onnxruntime	1.82	2.05	0.91	4.91
  PP-OCRv5_server_rec	paddle_static	1.98	11.37	1.21	14.69
  	paddle_dynamic	1.98	23.89	1.32	27.34
  	transformers	3.99	11.69	0.51	16.36
  	onnxruntime	1.80	3.15	0.90	5.98
  PP-OCRv6_medium_rec	paddle_static	1.74	5.38	0.84	8.08
  	paddle_dynamic	1.76	13.38	0.85	16.10
  	transformers	2.58	7.04	0.41	10.19
  	onnxruntime	1.74	2.28	0.84	4.97
  PP-OCRv6_small_rec	paddle_static	1.74	4.73	0.82	7.41
  	paddle_dynamic	1.76	12.43	0.87	15.18
  	transformers	2.55	6.70	0.41	9.82
  	onnxruntime	1.73	1.79	0.83	4.46
  PP-OCRv6_tiny_rec	paddle_static	1.76	2.77	0.40	5.04
  	paddle_dynamic	1.75	6.96	0.36	9.19
  	transformers	2.45	3.12	0.40	6.12
  	onnxruntime	1.73	0.92	0.36	3.12

  测试环境说明:

  • 测试数据：示例图片
  • 硬件配置：
    • GPU：NVIDIA A100 40G
    • CPU：Intel(R) Xeon(R) Gold 6248 CPU @ 2.50GHz
  • 软件环境：
    • Ubuntu 22.04 / CUDA 12.6 / cuDNN 9.5
    • paddlepaddle-gpu 3.2.1 / paddleocr 3.5 / transformers 5.4.0 / torch 2.10 / onnxruntime-gpu 1.23.2

  5.2 权重转换 {#52-权重转换}

  使用推理引擎时，系统会自动下载官方预训练模型。若需使用自训练模型配合 paddle_dynamic 或 transformers 引擎，请参考 PaddleX 文字识别模块权重转换 部分，将 pdparams 格式通过 PaddleX 转换为 safetensors 格式，即可无缝集成到 PaddleOCR 的 API 中进行推理。若需使用自训练模型配合onnxruntime引擎，请参考PaddleX 获取 ONNX 模型获取onnx模型，即可无缝集成到 PaddleOCR 的 API 中进行推理。

  六、FAQ