首页
/ PaddleOCR版面分析模型转ONNX格式的注意事项

PaddleOCR版面分析模型转ONNX格式的注意事项

2025-05-01 11:56:02作者:董灵辛Dennis

在PaddleOCR项目中使用版面分析功能时,将训练好的PaddlePaddle模型转换为ONNX格式是一个常见需求。本文将详细介绍这一转换过程中的关键步骤和注意事项,帮助开发者避免常见错误。

模型训练阶段

首先需要训练版面分析模型,使用以下命令:

python3 tools/train.py -c configs/picodet/legacy_model/application/layout_analysis/picodet_lcnet_x1_0_layout.yml --eval

这个命令会基于指定的配置文件训练一个版面分析模型,并在训练过程中进行评估。

模型导出阶段

训练完成后,需要将模型导出为推理格式。这里有一个关键点需要注意:

python3 tools/export_model.py -c configs/picodet/legacy_model/application/layout_analysis/picodet_lcnet_x1_0_layout.yml -o export.benchmark=True weights=output/picodet_lcnet_x1_0_layout/best_model --output_dir=output_inference/

特别注意:必须添加export.benchmark=True参数,否则后续转换为ONNX格式时会出现输入维度不匹配的问题。这是因为默认导出的模型会保留一些训练时的特性,而benchmark模式会优化模型结构使其更适合推理场景。

转换为ONNX格式

使用Paddle2ONNX工具将导出的模型转换为ONNX格式:

paddle2onnx --model_dir output_inference/picodet_lcnet_x1_0_layout --model_filename model.pdmodel --params_filename model.pdiparams --save_file ./onnx_inference_model/hehe_layout_model_dir/model.onnx --opset_version 11 --enable_onnx_checker True

参数说明:

  • --opset_version 11:指定ONNX算子集版本
  • --enable_onnx_checker True:启用ONNX模型检查器

在PPStructure中使用ONNX模型

最后,在PPStructure中加载ONNX格式的版面分析模型:

table_engine = PPStructure(
    show_log=False,
    ocr=True,
    layout=True,
    table=True,
    use_onnx=True,
    det_model_dir="./onnx_inference_model/det_onnx/model.onnx",
    rec_model_dir="./onnx_inference_model/rec_onnx/model.onnx",
    cls_model_dir="./onnx_inference_model/rec_onnx/model.onnx",
    table_model_dir="./onnx_inference_model/table_model_dir/model.onnx",
    layout_model_dir="./onnx_inference_model/hehe_layout_model_dir/model.onnx"
)

常见问题解决

如果在使用过程中遇到类似"ValueError: Required inputs (['scale_factor']) are missing from input feed (['image'])"的错误,通常是因为模型导出时没有设置export.benchmark=True参数。这个错误表明ONNX模型期望的输入与实际的输入不匹配。

总结

将PaddleOCR的版面分析模型转换为ONNX格式需要注意以下几点:

  1. 训练完成后导出模型时,必须添加export.benchmark=True参数
  2. 使用适当版本的Paddle2ONNX工具进行转换
  3. 确保ONNX模型的输入输出与PPStructure的预期一致

通过遵循这些步骤,可以成功地将PaddleOCR版面分析模型转换为ONNX格式,并在实际应用中使用。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
177
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
864
512
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
261
302
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K