ch_PP-OCRv3_rec模型-推理指导
概述
ch_PP-OCRv3_rec是基于[PP-OCRv3]的中文文本识别模型，PP-OCRv3的识别模块是基于文本识别算法SVTR优化。SVTR不再采用RNN结构，通过引入Transformers结构更加有效地挖掘文本行图像的上下文信息，从而提升文本识别能力。
-
参考实现：
url=https://github.com/PaddlePaddle/PaddleOCR.git branch=release/2.5 commit_id=a40f64a70b8d290b74557a41d869c0f9ce4959d5 model_name=ch_PP-OCRv3_rec
输入输出数据
-
输入数据
输入数据 数据类型 大小 数据排布格式 input RGB_FP32 batchsize x 3 x 48 x W NCHW -
输出数据
输出数据 数据类型 大小 数据排布格式 output1 FLOAT32 batchsize x D x 6625 ND
推理环境准备[所有版本]
-
该模型需要以下插件与驱动
表 1 版本配套表
| 配套 | 版本 | 环境准备指导 |
|---|---|---|
| 固件与驱动 | 22.0.2 | Pytorch框架推理环境准备 |
| CANN | 5.1.RC2 | - |
| Python | 3.7.5 | - |
| paddlepaddle | 2.3.2 | - |
| 说明：Atlas 300I Duo 推理卡请以CANN版本选择实际固件与驱动版本。 | \ | \ |
快速上手
获取源码
-
获取源码。
git clone -b release/2.5 https://github.com/PaddlePaddle/PaddleOCR.git cd PaddleOCR git reset --hard a40f64a70b8d290b74557a41d869c0f9ce4959d5 git apply ../ch_PP-OCRv3_rec.patch cd .. -
安装依赖。
pip3 install -r requirements.txt cd PaddleOCR python3 setup.py install cd ..
准备数据集
-
获取原始数据集。（解压命令参考tar –xvf *.tar与 unzip *.zip）
该模型使用PaddleOCR提供的中文识别样例图片作为测试集，该样本图片在
ch_PP-OCRv3_rec/PaddleOCR/doc/imgs_words/ch/目录下，包括5张图片样本，在线推理方式参考文字识别模型评估与预测。 -
数据预处理。(请拆分sh脚本，将命令分开填写)
数据预处理将原始数据集转换为模型输入的数据。
在
ch_PP-OCRv3_rec工作目录下，执行ch_PP-OCRv3_rec_preprocess.py脚本，完成预处理。python3 ch_PP-OCRv3_rec_preprocess.py \ -c PaddleOCR/configs/rec/PP-OCRv3/ch_PP-OCRv3_rec_distillation.yml \ -o Global.infer_img=PaddleOCR/doc/imgs_words/ch/ \ Global.bin_data=./image_npy-
参数说明：
- -c：模型配置文件。
- -o：可选参数列表: Global.infer_img表示图片路径，Global.bin_data表示bin文件保存路径。
运行后在当前目录下的
image_bin路径中保存生成的二进制数据。 -
模型推理
-
模型转换。
使用
paddle2onnx将模型权重文件转换为.onnx文件，再使用ATC工具将.onnx文件转为离线推理模型文件.om文件。- 获取权重文件。
训练模型链接为：
推理模型链接为：
在`ch_PP-OCRv3_rec`工作目录下可通过以下命令获取Paddle训练模型和推理模型。
```
wget -nc -P ./checkpoint https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_train.tar
cd ./checkpoint && tar xf ch_PP-OCRv3_rec_train.tar && cd ..
wget -nc -P ./inference https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar
cd ./inference && tar xf ch_PP-OCRv3_rec_infer.tar && cd ..
```
-
导出onnx文件。
-
使用paddle2onnx工具导出onnx文件。
在
ch_PP-OCRv3_rec工作目录下通过运行以下命令获取onnx模型。paddle2onnx \ --model_dir ./inference/ch_PP-OCRv3_rec_infer \ --model_filename inference.pdmodel \ --params_filename inference.pdiparams \ --save_file ./ch_PP-OCRv3_rec.onnx \ --opset_version 11 \ --enable_onnx_checker True \ --input_shape_dict="{'x':[-1,3,-1,-1]}"参数说明请通过
paddle2onnx -h命令查看。 运行后在ch_PP-OCRv3_rec目录下获得ch_PP-OCRv3_rec.onnx文件。
-
-
使用ATC工具将ONNX模型转OM模型。
-
配置环境变量。
source /usr/local/Ascend/ascend-toolkit/set_env.sh说明： 该脚本中环境变量仅供参考，请以实际安装环境配置环境变量。详细介绍请参见《CANN 开发辅助工具指南 (推理)》。
-
执行命令查看芯片名称（${chip_name}）。
npu-smi info #该设备芯片名为Ascend310P3 （自行替换） 回显如下： +-------------------+-----------------+------------------------------------------------------+ | NPU Name | Health | Power(W) Temp(C) Hugepages-Usage(page) | | Chip Device | Bus-Id | AICore(%) Memory-Usage(MB) | +===================+=================+======================================================+ | 0 310P3 | OK | 15.8 42 0 / 0 | | 0 0 | 0000:82:00.0 | 0 1074 / 21534 | +===================+=================+======================================================+ | 1 310P3 | OK | 15.4 43 0 / 0 | | 0 1 | 0000:89:00.0 | 0 1070 / 21534 | +===================+=================+======================================================+ -
执行ATC命令。
atc --framework=5 \ --model=./ch_PP-OCRv3_rec.onnx \ --output=./ch_PP-OCRv3_rec_bs1 \ --input_format=ND \ --input_shape="x:1,3,-1,-1" \ --dynamic_dims="48,320;48,620" \ --log=error \ --soc_version=Ascend${chip_name}-
参数说明：
- --model：为ONNX模型文件。
- --framework：5代表ONNX模型。
- --output：输出的OM模型。
- --input_format：输入数据的格式。
- --input_shape：输入数据的shape。
- --log：日志级别。
- --soc_version：处理器型号。
- --dynamic_dims：设置输入图片的动态分辨率参数。适用于执行推理时，每次处理图片宽和高不固定的场景。
运行成功后生成
ch_PP-OCRv3_rec_bs1.om模型文件。
-
-
-
开始推理验证。
a. 安装ais_bench推理工具。
请访问ais_bench推理工具代码仓，根据readme文档进行工具安装。
b. 执行推理。
python -m ais_bench --model=ch_PP-OCRv3_rec_bs1.om --input=./image_npy --output=./ --output_dirname=results_bs1 --auto_set_dymdims_mode=1- 参数说明：
- --model：om模型路径。
- --inputs：输入数据集路径。
- --batchsize：om模型输入的batchsize。
- --auto_set_dymdims_mode：设置自动匹配动态shape
推理完成后结果保存在
results_bs1目录下。说明： 执行ais-infer工具请选择与运行环境架构相同的命令。参数详情请参见。
c. 精度验证。
执行后处理脚本
ch_PP-OCRv3_rec_postprocess.py，参考命令如下：python3 ch_PP-OCRv3_rec_postprocess.py \ -c PaddleOCR/configs/rec/PP-OCRv3/ch_PP-OCRv3_rec_distillation.yml \ -o Global.infer_results=${results_path}-
参数说明：
- -c：模型配置文件。
- -o：可选参数：Global.infer_results表示om推理结果路径。
${results_path}为推理结果的保存路径。
后处理结果通过终端显示，参考如下(以实际运行为准)：
Infer Results: word_1.jpg : {'Student': [('韩国小馆', 0.994140625)]} word_2.jpg : {'Student': [('汉阳鹦鹉家居建材市场E区25-26号', 0.9690755009651184)]} word_3.jpg : {'Student': [('电话：15952301928', 0.9037388563156128)]} word_4.jpg : {'Student': [('实力活力', 0.99609375)]} word_5.jpg : {'Student': [('西湾监管', 0.9951171875)]}在线推理命令如下：
python3 PaddleOCR/tools/infer_rec.py \ -c PaddleOCR/configs/rec/PP-OCRv3/ch_PP-OCRv3_rec_distillation.yml \ -o Global.pretrained_model=./checkpoint/ch_PP-OCRv3_rec_train/best_accuracy Global.infer_img=PaddleOCR/doc/imgs_words/ch/在线推理结果如下（以实际运行为准）：
ppocr INFO: infer_img: PaddleOCR/doc/imgs_words/ch/word_1.jpg ppocr INFO: result: {"Student": {"label": "韩国小馆", "score": 0.9944804310798645}, "Teacher": {"label": "韩国小馆", "score": 0.9819368124008179}} ppocr INFO: infer_img: PaddleOCR/doc/imgs_words/ch/word_2.jpg ppocr INFO: result: {"Student": {"label": "汉阳鹦鹉家居建材市场E区25-26号", "score": 0.9687681198120117}, "Teacher": {"label": "汉阳鹦鹉家居建材市场E区25-26号", "score": 0.9344552159309387}} ppocr INFO: infer_img: PaddleOCR/doc/imgs_words/ch/word_3.jpg ppocr INFO: result: {"Student": {"label": "电话：15952301928", "score": 0.9042935371398926}, "Teacher": {"label": "电话：15952301928", "score": 0.9218837022781372}} ppocr INFO: infer_img: PaddleOCR/doc/imgs_words/ch/word_4.jpg ppocr INFO: result: {"Student": {"label": "实力活力", "score": 0.9956860542297363}, "Teacher": {"label": "实力活力", "score": 0.9920592308044434}} ppocr INFO: infer_img: PaddleOCR/doc/imgs_words/ch/word_5.jpg ppocr INFO: result: {"Student": {"label": "西湾监管", "score": 0.9959428310394287}, "Teacher": {"label": "西湾监管", "score": 0.9947077035903931}}将后理的om推理结果与在线推理结果进行对比。
- 参数说明：
模型推理性能&精度
调用ACL接口推理计算，性能参考下列数据。
| 芯片型号 | Batch Size | 数据集 | 精度 | 性能 |
|---|---|---|---|---|
| 300I Pro | 1 | 样例图片 | 与在线推理结果一致 | 1411.795 fps |