paddleocr用自己的数据集训练模型踩坑（已解决）

最近在用自己在paddlelabel辛辛苦苦标的数据集来训练模型，分享一下自己采的坑。

先讲一下训练模型的流程吧：

首先下载好数据集，我是用我自己的。记住label.txt里面的文件路径非常重要，我就是因为这个原因搞了好几天，一定要是绝对路径，不然会显示找不到图片的路径的。

比如这样，我就是弄了相对路径找不到出处。然后就是因为我的数据集和label.txt的标签的对应有问题，这是我个人的疏忽，一定要保证你的照片和label.txt里面的标签一模一样。

后面补充：不清楚是不是官方的bug，我后面一张一张照片得检查，终于发现原来有2张图片没有label。一张图片因为没有文字，我就没有弄检测框，但是怕打乱图片顺序我又没有把照片删掉，所以就出现了有一张图片无法识别出label，导致后面没有办法继续读取照片。另一张不清楚什么的原因。

[2022/11/26 19:28:00] ppocr ERROR: When parsing line container/20191029-022800-01-1.jpg	[{"transcription": "TLLU 6022699", "points": [[1128, 390], [1160, 402], [1132, 1109], [1090, 1107]], "difficult": false}]
, error happened with msg: Traceback (most recent call last):
  File "/home/lixinru/PaddleOCR/ppocr/data/simple_dataset.py", line 132, in __getitem__
    raise Exception("{} does not exist!".format(img_path))
Exception: ./container/container/20191029-022800-01-1.jpg does not exist!

Error:Blocking queue is killed bacause the data reader raises an exception

label.txt标签格式如下：transcription表示识别的内容，points表示方框的位置。

/home/lixinru/PaddleOCR/test22_data/20191029-143532-01-3-R.jpg    [{"transcription": "TRHU250822I", "points": [[963, 516], [1020, 511], [1090, 1294], [1032, 1300]], "difficult": false}, {"transcription": "22G1", "points": [[1147, 513], [1191, 509], [1213, 796], [1168, 800]], "difficult": false}, {"transcription": "TRHU250822I", "points": [[963, 516], [1020, 511], [1090, 1294], [1032, 1300]], "difficult": false}, {"transcription": "22G1", "points": [[1147, 513], [1191, 509], [1213, 796], [1168, 800]], "difficult": false}]

官方文档：

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/dataset/ocr_datasets.md

---

然后就是下载模型，官方建议是用最新的。因为我之前因为数据集的问题帕不了，我也不清楚旧的版本行不行。反正官方说用最新就是用那个咯。

图片第2个就是：（记得要修改对应的配置文件哦）

下载地址：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/finetune.md

 顺便把配置文件讲一下巴，送fo送到西。

Global:

use_gpu: false                                          #有的电脑不支持gpu，支持就改为true
save_model_dir: /home/PaddleOCR/output/ch_db_mv3/     #注意是保存输出的模型 
pretrained_model: ./ch_PP-OCRv3_det_distill_train/student.pdparams # 预训练模型路径save_res_path: /home/lixinru/PaddleOCR/output/det_db/predicts_db.txt            #记得是绝对路径

Train:
data_dir: /home/PaddleOCR/PPOCRLabel/data/container/ label_file_list: - /home/lixinru/PaddleOCR/PPOCRLabel/data/container/Label.txt                          #记得是绝对路径

Eval:
  dataset:
    name: SimpleDataSet
    data_dir: /home/PaddleOCR/PPOCRLabel/data/text_data/
    label_file_list:
      -    /home/PaddleOCR/PPOCRLabel/data/text_data/Label.txt          #记得是绝对路径

  loader:
    num_workers: 4                           （注意这个，有的电脑不支持多线程跑，最好改为0）

---

终端命令为：（记得在home后面加上你自己电脑的名字）

python3 tools/train.py -c /home/PaddleOCR/configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_student.yml

祝你也愉快得训练好自己的数据集