模型训练

自带模型基于 500+万 的文字图片训练而成。

训练命令

命令行工具 介绍了训练命令。使用命令 cnocr train 训练文本检测模型，以下是使用说明：

$ cnocr train -h
Usage: cnocr train [OPTIONS]

  训练识别模型

Options:
  -m, --rec-model-name TEXT       识别模型名称。默认值为 `densenet_lite_136-gru`
  -i, --index-dir TEXT            索引文件所在的文件夹，会读取文件夹中的 train.tsv 和 dev.tsv 文件
                                  [required]
  --train-config-fp TEXT          识别模型训练使用的json配置文件，参考
                                  `docs/examples/train_config.json`
                                  [required]
  --finetuning                    是否为精调模式（精调模式使用更温柔的transform）。默认为 `False`
  -r, --resume-from-checkpoint TEXT
                                  恢复此前中断的训练状态，继续训练识别模型。所以文件中应该包含训练状态。默认为
                                  `None`
  -p, --pretrained-model-fp TEXT  导入的训练好的识别模型，作为模型初始值。优先级低于"--resume-from-
                                  checkpoint"，当传入"--resume-from-
                                  checkpoint"时，此传入失效。默认为 `None`
  -h, --help                      Show this message and exit.

例如可以使用以下命令进行训练：

$ cnocr train -m densenet_lite_136-gru --index-dir data/test --train-config-fp docs/examples/train_config.json

训练数据的格式见文件夹 data/test 中的 train.tsv 和 dev.tsv 文件。

具体使用也可参考文件 Makefile 。

模型精调

如果需要在已有模型的基础上精调模型，需要把训练配置中的学习率设置的较小，lr_scheduler的设置可参考以下：

{  
  "learning_rate": 3e-5,
  "lr_scheduler": {
    "name": "cos_warmup",
    "min_lr_mult_factor": 0.01,
    "warmup_epochs": 2
}

注：需要尽量避免过度精调！

详细训练教程和训练过程作者答疑

模型训练详细教程 见作者的 知识星球 CnOCR/CnSTD私享群 ，加入私享群后作者也会尽力解答训练过程中遇到的问题。此外，私享群中作者每月提供两次免费特有数据的训练服务。抱歉的是，私享群不是免费的。