@[toc]
配置文件参数介绍
以 rec_chinese_lite_train_v2.0.yml 为例
Global
| 字段 |
用途 |
默认值 |
备注 |
| use_gpu |
设置代码是否在gpu运行 |
true |
\ |
| epoch_num |
最大训练epoch数 |
500 |
\ |
| log_smooth_window |
log队列长度，每次打印输出队列里的中间值 |
20 |
\ |
| print_batch_step |
设置打印log间隔 |
10 |
\ |
| save_model_dir |
设置模型保存路径 |
output/{算法名称} |
\ |
| save_epoch_step |
设置模型保存间隔 |
3 |
\ |
| eval_batch_step |
设置模型评估间隔 |
2000 或 [1000, 2000] |
2000 表示每2000次迭代评估一次，[1000， 2000]表示从1000次迭代开始，每2000次评估一次 |
| cal_metric_during_train |
设置是否在训练过程中评估指标，此时评估的是模型在当前batch下的指标 |
true |
\ |
| load_static_weights |
设置预训练模型是否是静态图模式保存(目前仅检测算法需要) |
true |
\ |
| pretrained_model |
设置加载预训练模型路径 |
./pretrain_models/CRNN/best_accuracy |
\ |
| checkpoints |
加载模型参数路径 |
None |
用于中断后加载参数继续训练 |
| use_visualdl |
设置是否启用visualdl进行可视化log展示 |
False |
教程地址 |
| infer_img |
设置预测图像路径或文件夹路径 |
./infer_img |
\ |
| character_dict_path |
设置字典路径 |
./ppocr/utils/ppocr_keys_v1.txt |
如果为空，则默认使用小写字母+数字作为字典 |
| max_text_length |
设置文本最大长度 |
25 |
\ |
| use_space_char |
设置是否识别空格 |
True |
\ |
| label_list |
设置方向分类器支持的角度 |
[‘0’,‘180’] |
仅在方向分类器中生效 |
| save_res_path |
设置检测模型的结果保存地址 |
./output/det_db/predicts_db.txt |
仅在检测模型中生效 |
Optimizer
| 字段 |
用途 |
默认值 |
备注 |
| name |
优化器类名 |
Adam |
目前支持Momentum,Adam,RMSProp, 见[ppocr/optimizer/optimizer.py](file:/D:/cv/PaddleOCR-release-2.5/ppocr/optimizer/optimizer.py) |
| beta1 |
设置一阶矩估计的指数衰减率 |
0.9 |
\ |
| beta2 |
设置二阶矩估计的指数衰减率 |
0.999 |
\ |
| clip_norm |
所允许的二范数最大值 |
|
\ |
| lr |
设置学习率decay方式 |
- |
\ |
| name |
学习率decay类名 |
Cosine |
目前支持Linear,Cosine,Step,Piecewise, 见[ppocr/optimizer/learning_rate.py](file:/D:/cv/PaddleOCR-release-2.5/ppocr/optimizer/learning_rate.py) |
| learning_rate |
基础学习率 |
0.001 |
\ |
| regularizer |
设置网络正则化方式 |
- |
\ |
| name |
正则化类名 |
L2 |
目前支持L1,L2, 见[ppocr/optimizer/regularizer.py](file:/D:/cv/PaddleOCR-release-2.5/ppocr/optimizer/regularizer.py) |
| factor |
正则化系数 |
0.00001 |
\ |
Architecture
在PaddleOCR中，网络被划分为Transform,Backbone,Neck和Head四个阶段
| 字段 |
用途 |
默认值 |
备注 |
| model_type |
网络类型 |
rec |
目前支持rec,det,cls |
| algorithm |
模型名称 |
CRNN |
支持列表见[algorithm_overview](file:/D:/cv/PaddleOCR-release-2.5/doc/doc_ch/algorithm_overview.md) |
| Transform |
设置变换方式 |
- |
目前仅rec类型的算法支持, 具体见[ppocr/modeling/transforms](file:/D:/cv/PaddleOCR-release-2.5/ppocr/modeling/transforms) |
| name |
变换方式类名 |
TPS |
目前支持TPS |
| num_fiducial |
TPS控制点数 |
20 |
上下边各十个 |
| loc_lr |
定位网络学习率 |
0.1 |
\ |
| model_name |
定位网络大小 |
small |
目前支持small,large |
| Backbone |
设置网络backbone类名 |
- |
具体见[ppocr/modeling/backbones](file:/D:/cv/PaddleOCR-release-2.5/ppocr/modeling/backbones) |
| name |
backbone类名 |
ResNet |
目前支持MobileNetV3,ResNet |
| layers |
resnet层数 |
34 |
支持18,34,50,101,152,200 |
| model_name |
MobileNetV3 网络大小 |
small |
支持small,large |
| Neck |
设置网络neck |
- |
具体见[ppocr/modeling/necks](file:/D:/cv/PaddleOCR-release-2.5/ppocr/modeling/necks) |
| name |
neck类名 |
SequenceEncoder |
目前支持SequenceEncoder,DBFPN |
| encoder_type |
SequenceEncoder编码器类型 |
rnn |
支持reshape,fc,rnn |
| hidden_size |
rnn内部单元数 |
48 |
\ |
| out_channels |
DBFPN输出通道数 |
256 |
\ |
| Head |
设置网络Head |
- |
具体见[ppocr/modeling/heads](file:/D:/cv/PaddleOCR-release-2.5/ppocr/modeling/heads) |
| name |
head类名 |
CTCHead |
目前支持CTCHead,DBHead,ClsHead |
| fc_decay |
CTCHead正则化系数 |
0.0004 |
\ |
| k |
DBHead二值化系数 |
50 |
\ |
| class_dim |
ClsHead输出分类数 |
2 |
\ |
Loss
| 字段 |
用途 |
默认值 |
备注 |
| name |
网络loss类名 |
CTCLoss |
目前支持CTCLoss,DBLoss,ClsLoss |
| balance_loss |
DBLossloss中是否对正负样本数量进行均衡(使用OHEM) |
True |
\ |
| ohem_ratio |
DBLossloss中的OHEM的负正样本比例 |
3 |
\ |
| main_loss_type |
DBLossloss中shrink_map所采用的loss |
DiceLoss |
支持DiceLoss,BCELoss |
| alpha |
DBLossloss中shrink_map_loss的系数 |
5 |
\ |
| beta |
DBLossloss中threshold_map_loss的系数 |
10 |
\ |
PostProcess
| 字段 |
用途 |
默认值 |
备注 |
| name |
后处理类名 |
CTCLabelDecode |
目前支持CTCLoss,AttnLabelDecode,DBPostProcess,ClsPostProcess |
| thresh |
DBPostProcess中分割图进行二值化的阈值 |
0.3 |
\ |
| box_thresh |
DBPostProcess中对输出框进行过滤的阈值，低于此阈值的框不会输出 |
0.7 |
\ |
| max_candidates |
DBPostProcess中输出的最大文本框数量 |
1000 |
|
| unclip_ratio |
DBPostProcess中对文本框进行放大的比例 |
2.0 |
\ |
Metric
| 字段 |
用途 |
默认值 |
备注 |
| name |
指标评估方法名称 |
CTCLabelDecode |
目前支持DetMetric,RecMetric,ClsMetric |
| main_indicator |
主要指标,用于选取最优模型 |
acc |
对于检测方法为hmean，识别和分类方法为acc |
Dataset
| 字段 |
用途 |
默认值 |
备注 |
| dataset |
每次迭代返回一个样本 |
- |
- |
| name |
dataset类名 |
SimpleDataSet |
目前支持SimpleDataSet和LMDBDataSet |
| data_dir |
数据集图片存放路径 |
./train_data |
\ |
| label_file_list |
数据标签路径 |
["./train_data/train_list.txt"] |
dataset为LMDBDataSet时不需要此参数 |
| ratio_list |
数据集的比例 |
[1.0] |
若label_file_list中有两个train_list，且ratio_list为[0.4,0.6]，则从train_list1中采样40%，从train_list2中采样60%组合整个dataset |
| transforms |
对图片和标签进行变换的方法列表 |
[DecodeImage,CTCLabelEncode,RecResizeImg,KeepKeys] |
见[ppocr/data/imaug](file:/D:/cv/PaddleOCR-release-2.5/ppocr/data/imaug) |
| loader |
dataloader相关 |
- |
|
| shuffle |
每个epoch是否将数据集顺序打乱 |
True |
\ |
| batch_size_per_card |
训练时单卡batch size |
256 |
\ |
| drop_last |
是否丢弃因数据集样本数不能被 batch_size 整除而产生的最后一个不完整的mini-batch |
True |
\ |
| num_workers |
用于加载数据的子进程个数，若为0即为不开启子进程，在主进程中进行数据加载 |
8 |
\ |
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
评论（0）