解决Doctr项目中PyTorch与TensorFlow共存时的OCR识别错误

问题背景

在使用Doctr项目进行OCR文字识别时，当环境中同时安装了PyTorch和TensorFlow两个深度学习框架，可能会遇到一个典型的运行时错误："RuntimeError: Given input size: (128x1x16). Calculated output size: (128x0x8). Output size is too small"。这个错误通常发生在尝试处理某些特定尺寸的图像时，导致模型无法正确计算输出尺寸。

错误分析

这个问题的根源在于PyTorch和TensorFlow在同一环境中安装时可能产生的依赖冲突。具体表现为：

1. 当两个框架共存时，Protobuf等共享依赖可能会引发不兼容问题
2. 错误信息表明模型在处理输入图像时，计算得到的输出尺寸无效（输出高度为0）
3. 这种情况在Google Colab等云端环境中尤为常见

解决方案

方法一：卸载TensorFlow

最直接的解决方案是移除TensorFlow，仅保留PyTorch：

pip uninstall -y tensorflow
pip install python-doctr[torch,viz]

这种方法简单有效，适合不需要同时使用两个框架的场景。

方法二：使用环境变量控制框架选择

如果确实需要同时保留两个框架，可以通过设置环境变量强制使用PyTorch：

import os
os.environ["USE_TF"] = "0"  # 强制使用PyTorch

from doctr.io import DocumentFile
from doctr.models import ocr_predictor

model = ocr_predictor(pretrained=True)

这种方法更加灵活，可以在不卸载TensorFlow的情况下解决问题。

方法三：使用OnnxTR替代

OnnxTR是Doctr的一个生产优化版本，它基于ONNX运行时，不需要依赖PyTorch或TensorFlow：

from onnxtr.io import DocumentFile
from onnxtr.models import ocr_predictor

model = ocr_predictor()

这种方法特别适合生产环境部署，具有更好的性能和兼容性。

最佳实践建议

1. 对于开发环境，推荐使用方法二（环境变量控制），保持框架灵活性
2. 对于生产环境，考虑使用OnnxTR以获得更好的稳定性和性能
3. 定期检查框架版本兼容性，特别是Protobuf等共享依赖
4. 处理异常尺寸图像时，可考虑预先进行尺寸调整或填充

技术原理深入

这个问题的本质在于深度学习框架间的底层冲突。当两个框架共存时：

1. 它们可能使用不同版本的底层库（如Protobuf）
2. 内存分配和计算图构建方式可能存在差异
3. 某些操作（如池化层）在不同框架中的实现细节不同

在Doctr项目中，模型架构设计时假设了特定的输入输出尺寸关系。当框架行为不一致时，可能导致尺寸计算错误，特别是当输入高度较小时（如1像素高度），经过多次下采样后可能出现0尺寸的输出。

通过强制使用单一框架或切换到ONNX运行时，可以避免这些底层冲突，确保模型按照预期方式工作。