paddleocr训练模型转inference模型之后预测结果不一致及部分训练失败问题

python tools/export_model.py -c configs/(配置文件) -o Global.pretrained_model=./(训练后的最优模型参数) Global.save_inference_dir=./(inference模型保存路径)python tools/infer_det.py -c configs/(配置文件) -o Global.pretrained_model=./(训练后的最优模型参数) Global.infer_img=./预测图片。

回到刚才的话题，尺寸既然是按照960*960随机裁剪的，如果我明确知道程序后续处理的所有图像都是固定尺寸的，比如都是2560*1440，我是不是说保证裁剪的图像都是960*540，就保证resize的尺寸一样了。什么意思呢，也就是再没有对图像进行二次处理的情况下，如果输入一张2560*1440大小的图像，再图像检测阶段，先将最长边2560变成960，再将1440等比例缩放成540，所以程序最后处理的图片尺寸是一张960*540的图像；再看官方文档的那句，官方考虑预测速度的问题，默认选择的'

此类问题出现较多，问题多是trained model预测时候的预处理、后处理参数和inference model预测的时候的预处理、后处理参数不一致导致的。

解决基于PaddleOCR解决文本检测训练模型与inference模型预测效果不一致的问题

注掉./tools/infer/predict_rec.py 的

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）。

这个主要参考PaddleOCR下的 /doc/doc_ch/inference.md

飞浆开源的PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地，但是经过我的测试，在小图和上图上，PaddleOCR文本检测模型的效果就大大降低，如果没有大量的数据集就很难解决这个问题，这篇文章将好好讲解下如何解决这个棘手的问题。

使用PPOCR命令行训练验证码单字位置检测+识别模型的情况下，这两个checkpoint训练模型测试图片均没出现问题，但转为inference推理模型的时候，问题来了。

向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx最近用keras跑基于resnet50，inception3的一些迁移学习的实验，遇...

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。

OCR预测模型和推理模型不一致