PPOCR训练后acc为0解决方法

已于 2024-11-19 16:27:30 修改
阅读量1.1k 收藏 5
点赞数 3
CC 4.0 BY-SA版权
分类专栏： OCR 文章标签： 人工智能 深度学习
于 2024-07-16 13:41:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_65356682/article/details/140464016

首先你需要先配置PPOCR源码和环境，可以按照如下流程

PPOCR训练和C#部署英文字符训练_ppocrlabel可以终端运行吗-CSDN博客

目录

首先你需要先配置PPOCR源码和环境，可以按照如下流程

注意 每个人的设备同，所以参数也有可能有变化，第一次训练最好训练1500代，因为前150代左右的acc大概率都是0，1500代大概会占用100G空间注意了！！！！！！！！

训练时如下

如下是rec训练模型     acc为0   det也是如此

如下没有  名为best的模型文件

解决办法就是

将如下的train和eval部分的batch_size改小点，例如8 

然后再次运行就有了acc了

模型文件中会生成best文件，这种就属于没问题的 

注意 每个人的设备同，所以参数也有可能有变化，第一次训练最好训练1500代，因为前150代左右的acc大概率都是0，1500代大概会占用100G空间注意了！！！！！！！！

Out of memory error on GPU 0. Cannot allocate 28.125000MB memory on GPU 0, 11.598755GB memory has be
**My Coding Family**
12-25 843
🏆本文收录于专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家！持续更新中，up！up！up！！
PaddleOCR多机多卡分布式训练指南 | 基于Ubuntu18.04
Andrwin的博客
10-12 3146
一、项目背景 生僻字的fine-tune不能简单的使用几百个数据训练一下，这样会让之前学习到的忘掉。 怎么办呢，就只能加大数据量，在git上提了issue以后简单了解到了以下内容： - 数据量要大 最少几百万条数据 - 对于生僻字的覆盖要均匀 每个字最少出现200次以上 - 场景尽量多样 可以做合成数据 于是我就用前面的博客写的生僻字数据集制作，简单做了40w数据。 我有两台2080，又没有办法把两个2080放在一个主板上，那么故事就开始了。 二、环境配置 首先要满足单机多卡或者单机单卡没
关于paddleocr rec验证acc为0的问题一种解决办法
h_b_guo的博客
01-23 234
tool/program.py中下面代码，window下，当验证集数量小于一个bs时，不进行验证，可以将-1删除。
paddocr识别模型训练Acc一直为0的一种可能的解决方法
m0_74386238的博客
11-29 569
因为我是改了字典文件的，加了两个字符，所以导致超过了Paddle模型的上限（即6625个字符），所以只需要随便删除两个不需要的字符就可以辣！这说明在加载预训练模型参数时，模型中某些层的参数形状与预训练模型中对应层的参数形状不一致。其实根据下面warning就有眉目了。
PaddleOCR 训练自己的模型，评估acc为0，且无best_accuracy
m0_60584465的博客
06-30 2799
为了找出具体原因，于是进入train.py文件中debug查找原因，PaddleOCR在训练模型时，按照官方的指导教程，一般是在终端输入一下命令行的方式配置运行进行训练，如果想通过tools\train.py在右键运行或进入debug模式，就需要修改代码，具体参考。全局的总迭代次数global_step在训练的终端中有打印出来，如下图所示，因此对照此值，即小于此值模型训练才会进入eval评估（本图中总迭代次数为1500，而评估间隔为2000，所以未评估）。
tensorflow下FCN网络训练出现acc值为0
banxia1995的博客
06-12 3309
继续训练fcn网络，loss值有变化，但是acc值为0，显示结果如下： 说明该网络没有真正的在训练，需要另外调整参数。
PPOCRV3文本识别模型精度损失问题解决
qq_35629706的博客
04-26 1832
至此来看，自己前面改AdaptiveAvgPool层和InnerProduct层好像没用，白折腾了，直接换ncnn编译库可能就好了。不过经过这么折腾学了不多东西，记录下来作为后备之需。
模型训练完准确率为0的解决方法,以及模型验证方法(resize和reshape区别)
热门推荐
AllenMa的博客
03-23 1万+
计算准确率或者输出看loss、准确率时，需要把原来的tensor数据类型，转成普通的数字 即.item()进行转换 total_accuracy = (total_accuracy +accuracy).item() # 最好转item数据类型，不然这个accuracy会是一个tensor的数据类型，tensor数据类型和一个普通的数据相除，结果一定是0 如果不转，就会输出： 如果Tensor数据类型没有转换，直接用 total_accuracy直接除以测试集10000这一数值，出来的结.
ddddocr训练验证码时遇到的各种问题汇总
weixin_68123638的博客
06-29 4720
前两天开始尝试使用ddddocr训练离线模型，期间遇到了各种问题，费了一番周折，最后还算顺利解决了，记录一下，避免大家遇坑。ddddocr ddddocr训练工具 这是Gitee上作者的仓库，GitHub上的是一样的，大家可以自己去找。ddddocr的使用方法在这里我就不多说了，这里主要讲的是训练遇到的问题。环境配置参考训练工具仓库内的Markdown文档说明，需要注意的是pytorch的CUDA版本需要自己在官网上下载安装，其他都简单，按照操作步骤一步步来就行。环境搭好后，下载压缩文件并解压缩到本地，按照
PaddleOCR——训练总结
qq_37668436的博客
11-18 2814
记录下训练碰到的问题 自己合成的数据在MLT验证精度非常低 原因：合成数据与真实数据差别较大，表现结果是在合成数据上拟合结果非常好，在真实数据上效果差，存在向合成数据过拟合的问题，解决办法增加真实数据（但这个不好找）、对真实数据进行数据增广（应该可以吧）、拿合成数据训练的best模型在真实数据上finetune（在测试）。 合成数据的best模型作为预训练模型在真是数据上finetune时最开始acc=0.0 原因：我使用的预训练模型是在合成数据上识别日语并且验证集准确度最高有83%左右，并且用这个模型在真
paddleocr训练文字识别acc为0
03-02
通过上述措施能够有效地排查并解决PaddleOCR在文字识别任务上出现acc=0这一异常状况。值得注意的是，在实际操作过程中还需结合具体项目背景灵活运用这些方法论，不断试验直至找到最适合当前场景的最佳实践路径。
十七种方法轻松解决PyTorch训练速度慢！
python_miao的博客
01-24 1万+
掌握这 17 种方法，用最省力的方式，加速你的 Pytorch 深度学习训练。 近日，Reddit 上一个帖子热度爆表。主题内容是关于怎样加速 PyTorch 训练。原文作者是来自苏黎世联邦理工学院的计算机科学硕士生 LORENZ KUHN，文章向我们介绍了在使用 PyTorch 训练深度模型时最省力、最有效的 17 种方法。 该文所提方法，都是假设你在 GPU 环境下训练模型。具体内容如下。 17 种加速 PyTorch 训练的方法 很多人学习python，不知道从...
PPOCR 中文字符检测训练，预测整个过程
10-23
PPOCR 中文字符检测训练，预测整个过程
[2025/07/05 10:44:16] ppocr INFO: epoch: [50/50], global_step: 540, lr: 0.000015, loss: 1.018666, loss_shrink_maps: 0.505429, loss_threshold_maps: 0.411331, loss_binary_maps: 0.101399, loss_cbn: 0.000000, avg_reader_cost: 0.00158 s, avg_batch_cost: 3.62250 s, avg_samples: 16.0, ips: 4.41684 samples/s, eta: 0:00:18, max_mem_reserved: 11225 MB, max_mem_allocated: 10127 MB [2025/07/05 10:44:31] ppocr INFO: save model in ./output/ch_PP-OCRv4\latest [2025/07/05 10:44:31] ppocr INFO: save model in ./output/ch_PP-OCRv4\iter_epoch_50 [2025/07/05 10:44:31] ppocr INFO: best metric, hmean: 0, is_float16: False, acc: 0.0, start_epoch: 35 不生成best文件
最新发布
07-06
4. PP-OCRv4识别模型训练时准确率（acc）为0的解决方法？</think>### PP-OCRv4 训练未生成 best 模型文件且 hmean 为 0 的原因分析与解决方案 #### 问题原因分析 1. **数据集标注问题（最常见原因）** - 验证集...
PaddleOCR常见问题（2）
weixin_51732814的博客
04-10 2124
1.win10下anconda中，执行paddleocr的GPU训练或总是报错cudnn版本不匹配 在百度上看了许多大佬的解答，都是说让下载新的或者装什么 后来根据查看三个目录：D:\Anaconda3\Library\bin、D:\Anaconda3\Library\lib、D:\Anaconda3\Library\include 将cudnn替换到这些目录下，就解决了这个问题。 2.win10下，有的电脑训练时train.py调用不了 1.终端路径问题，路径缺失造成无法调用 2.版本问题，很多都是
PaddleOCR学习-2
qq_35706216的博客
10-12 395
检测准确率：正确的检测框个数在全部检测框的占比，主要是判断检测指标。检测召回率：正确的检测框个数在全部标注框的占比，主要是判断漏检的指标。端到端准确率：准确检测并正确识别文本行在检测到的文本行数量的占比；准确检测的标准是检测框与标注框的。（2）识别阶段： 字符识别准确率，即正确识别的文本行占标注的文本行数量的比例，只有整行文本识别对才算正确识别。代表分段常数衰减，在不同的学习阶段指定不同的学习率，在每段内学习率相同。大于某个阈值，正确识别的检测框中的文本与标注的文本相同。最长字符数目的选取考虑满足。
【PPOCR】PaddleOCR训练en_PP-OCRv4_rec_infer识别模型
qq_38614074的博客
09-10 3005
如果您的场景中是单卡训练，单卡batch_size=128，则总的batch_size=128，在加载预训练模型的情况下，建议将学习率调整为[1e-4, 2e-5]左右（piecewise学习率策略，需设置2个值，下同）。如果您的场景中是单卡训练，因为显存限制，只能设置单卡batch_size=64，则总的batch_size=64，在加载预训练模型的情况下，建议将学习率调整为[5e-5, 1e-5]左右。如果有通用真实场景数据加进来，建议每个epoch中，垂类场景数据与真实场景的数据量保持在1:1左右。
OCR模型训练
dcawfaref的博客
06-23 1065
利用多个不同的模型进行训练，选择效率和准确率更高的模型。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

该醒醒了~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值