zimoyin
|
5ab4bef80e
|
build: CPU/GPU 双环境、产物命名与打包修复
交付:
· 产物按变体命名:CPU -> dist/ocr-server/,GPU -> dist/ocr-server-gpu/。
变体由构建环境实际装的 paddle 自动判断,不需要人工声明
· GPU 包额外加 --collect-binaries nvidia。漏收的后果实测是最难查的那种:
引擎能正常加载、设备也识别成 GPU,但第一次推理才报
cudnn64_9.dll error 126
· --copy-metadata 的发行包名随变体变化(paddlepaddle / paddlepaddle-gpu),
改由 scripts/paddle_env.py 动态取;写死任何一个在另一种环境下都打不出包
· 新增 scripts/prepare_release_config.py 按变体覆盖发布配置(用 Python 改写
以保持 UTF-8,PowerShell 的 Set-Content 会把中文注释写坏)
环境:
· paddle 从 pyproject 依赖里移除,改用 scripts/install_paddle.py 安装。
它没法写死:CPU/GPU 互斥,GPU 还得按显卡选 CUDA 通道(RTX 50 系必须 cu129)。
钉死 CPU 版时,uv sync / uv run / PyCharm 自动同步都会把装好的
paddlepaddle-gpu 静默挤掉、服务悄悄退回 CPU(实测踩过三次)
· 新增 scripts/switch_env.py:.venv(CPU)与 .venv-gpu(GPU)两套环境共存,
切换零成本;所有 uv run 补 --no-sync,打包改用 uv sync --inexact
· 预置模型扩到 8 套(v4/v5 × 服务端/移动端 × 检测/识别,约 398MB)
其它:
· scripts/start.* 先找发布包再退回源码环境;入口脚本名固定是 ocr-server
· benchmark_ocr.py 输出 segments 与 chars,换设备/模型时可直接比对召回
· .gitignore 覆盖 .venv-gpu/ 与 dist*/
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 03:53:48 +08:00 |
|
zimoyin
|
09ab14c707
|
feat: 外露推理调优参数并支持 device: auto
把此前只能改代码的参数摊到 config.yaml,交付后按客户机器调整:
use_tensorrt / precision / enable_cinn / mkldnn_cache_capacity
text_det_input_shape / text_rec_input_shape
device 新增 auto:启动时探测可用的 CUDA 设备,有卡用 GPU、没卡用 CPU,
同一份配置在不同机器之间搬运不用改。探测不到卡是预期路径,报 INFO;
显式写 gpu 却用不了是配置问题,报 WARNING——便于区分这两种情况。
设备名校验加了两层(配置层拦拼写错误 + 运行时最后一道防线)。起因是实测
踩到:冻结包里的代码比 config.yaml 旧时,字符串 auto 被原样传给 PaddleX,
抛出的 AssertionError 完全看不出是配置写错了。
text_recognition_batch_size 默认值 8 -> 32:实测 1.png 同分辨率 23.87s ->
19.03s,框数不变、字符数 2240 -> 2241(差异仅英文分词空格与个别低置信字符)。
顺带把参数装配收敛到 OCRService.from_settings():启动、下载脚本、压测脚本
原本各自手工罗列参数,压测脚本已经漏掉了新配置项。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 03:53:38 +08:00 |
|
zimoyin
|
cf7088a13d
|
revert: remove enable_detection and return_word_box options
按需求移除两个开关:
- enable_detection:跳过检测直接识别,实测只对单行图有效,多行文档会返回空结果
- return_word_box:字/词级坐标,默认即关闭且开销在噪声内,无实际收益
恢复正常的两段式链路:文本检测 → 文本识别。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 19:16:21 +08:00 |
|
zimoyin
|
932f1a8b13
|
fix: give whole-image polygon in skip-detection mode
无检测模式下没有检测框,原先 polygon 为空,build_document 会丢弃无坐标的片段,
导致识别其实成功但响应 segments=0。改为用整张图的矩形作为兜底坐标。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 16:03:51 +08:00 |
|
zimoyin
|
a7d4ff6454
|
feat: add enable_detection switch to skip text detection
enable_detection: false 跳过检测模型,直接把整图当一行文本送识别。
实测:单行图可正确识别;多行整图因识别模型固定缩放到高 48px 会返回空结果,已加告警。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 15:59:25 +08:00 |
|
zimoyin
|
6821d0d137
|
fix: keep word boxes when filtering by confidence
i2t 每次请求都会调用 filter_document,之前它会丢弃 words,导致 return_word_box 的结果无法返回。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 14:40:21 +08:00 |
|
zimoyin
|
52696aca90
|
feat: add return_word_box option and simplify progress checkpoints
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 14:39:02 +08:00 |
|
zimoyin
|
e32ad664f1
|
feat(fields): 字段抽取支持按行锁定与多项匹配开关,修复进度日志被吞
字段抽取 src/ocr_server/fields.py
- 新增 row:只从第 N 行取值,行号由 bbox 纵向重叠的坐标分组得出,-1 表示不限定;
用于排除正文/页眉里同名标签造成的误取
- 新增 separator_optional(标签后无冒号也抽,默认关闭)
与 label_linebreak(标签内部跨行,如 姓 + 名:,默认关闭)
- 新增 occurrence(first/last,正副本、页眉页脚重复打印时取最后一个)
与全局 extract_include_empty(未命中的字段返回空串,便于固定 schema)
- 修复:跨行命中的标签文本包含换行,归一化时未去换行导致匹配不到字段规则、
取到的值被丢弃
- build_specs 在服务启动时校验:字段名重复、同一标签被多个字段共用、
正则语法、max_length / occurrence / row 取值合法性
日志 src/ocr_server/logging_setup.py
- handler 改挂到 ocr_server logger 并关闭向 root 传播:Paddle 初始化会把 root
级别改成 WARNING,依赖 root 会导致其后所有 INFO 日志(含 10/20/50/80/100
进度行)被静默过滤,看起来像任务卡死
引擎配置
- enable_mkldnn 由写死的 False 改为可配置;cpu_threads 支持 max(吃满逻辑核心)
- pyproject 固定 paddlepaddle>=3.2,<3.3:3.3.x 的 PIR + oneDNN 组合会直接推理失败
打包
- 移除多余的 scripts 目录打包;新增 -DistPath 便于 dist 被占用时改址构建;
构建结束输出 exe SHA256(避免再拿到旧产物)
- Ubuntu 脚本同步更新,并输出二进制 SHA256
文档
- README / config.yaml 注释按实测修订:行结构、模型档位对比、oneDNN 与版本差异、
汉字字符类的范围与缺口、防止取错的机制与建议
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-12 14:37:03 +08:00 |
|
zimoyin
|
5ddda545f5
|
init2
|
2026-10-12 11:00:09 +08:00 |
|
zimoyin
|
11883e260f
|
init
|
2026-10-11 02:26:26 +08:00 |
|