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:
- 训练完成后导出模型时,必须添加
export.benchmark=True
参数 - 使用适当版本的Paddle2ONNX工具进行转换
- 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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
177
262

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
129
182

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

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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

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

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