运行本目录下的程序示例需要使用PaddlePaddle develop最新版本。如果您的PaddlePaddle安装版本低于此要求，请按照安装文档中的说明更新PaddlePaddle安装版本。
├── data_reader.py # 下载、读取、处理数据。
├── crnn_ctc_model.py # 定义了OCR CTC model的网络结构。
├── attention_model.py # 定义了OCR attention model的网络结构。
├── train.py # 用于模型的训练。
├── infer.py # 加载训练好的模型文件，对新数据进行预测。
├── eval.py # 评估模型在指定数据集上的效果。
└── utils.py # 定义通用的函数。
本章的任务是识别图片中单行英文字符，这里我们分别使用CTC model和attention model两种不同的模型来完成该任务。
这两种模型的有相同的编码部分，首先采用卷积将图片转为特征图, 然后使用im2sequence op将特征图转为序列，通过双向GRU学习到序列特征。
两种模型的解码部分和使用的损失函数区别如下：
- CTC model: 训练过程选用的损失函数为CTC(Connectionist Temporal Classification) loss, 预测阶段采用的是贪婪策略和CTC解码策略。
- Attention model: 训练过程选用的是带注意力机制的解码策略和交叉信息熵损失函数，预测阶段采用的是柱搜索策略。
训练以上两种模型的评估指标为样本级别的错误率。
数据的下载和简单预处理都在data_reader.py中实现。
我们使用的训练和测试数据如图1所示，每张图片包含单行不定长的英文字符串，这些图片都是经过检测算法进行预框选处理的。
图 1
在训练集中，每张图片对应的label是汉字在词典中的索引。 图1 对应的label如下所示：
80,84,68,82,83,72,78,77,68,67
在上边这个label中，80 表示字符Q的索引，67 表示英文字符D的索引。
A. 训练集
我们需要把所有参与训练的图片放入同一个文件夹，暂且记为train_images。然后用一个list文件存放每张图片的信息，包括图片大小、图片名称和对应的label，这里暂记该list文件为train_list，其格式如下所示：
185 48 00508_0215.jpg 7740,5332,2369,3201,4162
48 48 00197_1893.jpg 6569
338 48 00007_0219.jpg 4590,4788,3015,1994,3402,999,4553
150 48 00107_4517.jpg 5936,3382,1437,3382
...
157 48 00387_0622.jpg 2397,1707,5919,1278
上述文件中的每一行表示一张图片，每行被空格分为四列，前两列分别表示图片的宽和高，第三列表示图片的名称，第四列表示该图片对应的sequence label。 最终我们应有以下类似文件结构：
|-train_data
|- train_list
|- train_imags
|- 00508_0215.jpg
|- 00197_1893.jpg
|- 00007_0219.jpg
| ...
在训练时，我们通过选项--train_images 和 --train_list 分别设置准备好的train_images 和train_list。
注： 如果
--train_images和--train_list都未设置或设置为None， reader.py会自动下载使用示例数据，并将其缓存到$HOME/.cache/paddle/dataset/ctc_data/data/路径下。
B. 测试集和评估集
测试集、评估集的准备方式与训练集相同。
在训练阶段，测试集的路径通过train.py的选项--test_images 和 --test_list 来设置。
在评估时，评估集的路径通过eval.py的选项--input_images_dir 和--input_images_list 来设置。
C. 待预测数据集
预测支持三种形式的输入：
第一种：设置--input_images_dir和--input_images_list, 与训练集类似, 只不过list文件中的最后一列可以放任意占位字符或字符串，如下所示：
185 48 00508_0215.jpg s
48 48 00197_1893.jpg s
338 48 00007_0219.jpg s
...
第二种：仅设置--input_images_list, 其中list文件中只需放图片的完整路径，如下所示：
data/test_images/00000.jpg
data/test_images/00001.jpg
data/test_images/00003.jpg
第三种：从stdin读入一张图片的path，然后进行一次inference.
使用默认数据在GPU单卡上训练:
env CUDA_VISIBLE_DEVICES=0 python train.py
使用默认数据在CPU上训练:
env OMP_NUM_THREADS=<num_of_physical_cores> python train.py --use_gpu False --parallel=False
使用默认数据在GPU多卡上训练:
env CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py --parallel=True
默认使用的是CTC model, 可以通过选项--model="attention"切换为attention model。
执行python train.py --help可查看更多使用方式和参数详细说明。
图2为使用默认参数在默认数据集上训练CTC model的收敛曲线，其中横坐标轴为训练迭代次数，纵轴为样本级错误率。其中，蓝线为训练集上的样本错误率，红线为测试集上的样本错误率。测试集上最低错误率为22.0%.
图 2
图3为使用默认参数在默认数据集上训练attention model的收敛曲线，其中横坐标轴为训练迭代次数，纵轴为样本级错误率。其中，蓝线为训练集上的样本错误率，红线为测试集上的样本错误率。测试集上最低错误率为16.25%.
图 3
通过以下命令调用评估脚本用指定数据集对模型进行评估：
env CUDA_VISIBLE_DEVICES=0 python eval.py \
--model_path="./models/model_0" \
--input_images_dir="./eval_data/images/" \
--input_images_list="./eval_data/eval_list"
执行python train.py --help可查看参数详细说明。
从标准输入读取一张图片的路径，并对齐进行预测：
env CUDA_VISIBLE_DEVICES=0 python infer.py \
--model_path="models/model_00044_15000"
执行上述命令进行预测的效果如下：
----------- Configuration Arguments -----------
use_gpu: True
input_images_dir: None
input_images_list: None
model_path: /home/work/models/fluid/ocr_recognition/models/model_00052_15000
------------------------------------------------
Init model from: ./models/model_00052_15000.
Please input the path of image: ./test_images/00001_0060.jpg
result: [3298 2371 4233 6514 2378 3298 2363]
Please input the path of image: ./test_images/00001_0429.jpg
result: [2067 2067 8187 8477 5027 7191 2431 1462]
从文件中批量读取图片路径，并对其进行预测：
env CUDA_VISIBLE_DEVICES=0 python infer.py \
--model_path="models/model_00044_15000" \
--input_images_list="data/test.list"
| 模型 | 错误率 |
|---|---|
| ocr_ctc_params | 22.3% |
| ocr_attention_params | 15.8% |
在本文示例中，均可通过修改
CUDA_VISIBLE_DEVICES改变当前任务使用的显卡号。