PaddlePaddle：在Serverless架构上十几行代码实现OCR能力

MNIST数据集分为训练图像和测试图像。训练图像60000张，测试图像10000张，每一个图片代表0-9中的一个数字，且图片大小均为28*28的矩阵。这一小节将会以PaddlePaddle官方提供的MNIST手写数字识别任务为例，进行PaddlePaddle框架的基本学习。与其他深度学习任务一样，飞桨同样要通过以下四个步骤完成一个相对完整的深度学习任务：

数据集的准备和加载；

模型构建；

模型训练；

模型评估。

飞桨框架内置了一些常见的数据集，在这个示例中，开发者可以加载飞桨框架的内置数据集，例如本案例所涉及到的手写数字体数据集。这里加载两个数据集，一个用来训练模型，一个用来评估模型。

importpaddle.vision.transformsasTtransform=T.Normalize(mean=[127.5],std=[127.5],data_format='CHW')

train_dataset=paddle.vision.datasets.MNIST(mode='train',transform=transform)val_dataset=paddle.vision.datasets.MNIST(mode='test',transform=transform)

通过Sequential将一层一层的网络结构组建起来。注意，需要先对数据进行Flatten操作，将[1,28,28]形状的图片数据改变形状为[1,784]。

mnist=paddle.nn.Sequential(

paddle.nn.Flatten(),

paddle.nn.Linear(784,512),

paddle.nn.ReLU(),

paddle.nn.Dropout(0.2),

paddle.nn.Linear(512,10))

在训练模型前，需要配置训练模型时损失的计算方法与优化方法，开发者可以使用飞桨框架提供的prepare完成，之后使用fit接口来开始训练模型。

#预计模型结构生成模型对象，便于进行后续的配置、训练和验证

model=paddle.Model(mnist)

#模型训练相关配置，准备损失计算方法，优化器和精度计算方法

model.prepare(paddle.optimizer.Adam(parameters=model.parameters()),paddle.nn.CrossEntropyLoss(),

paddle.metric.Accuracy())

#开始模型训练

model.fit(train_dataset,

epochs=5,

batch_size=64,

verbose=1)

训练结果：

Thelossvalueprintedinthelogisthecurrentstep,andthemetricistheaveragevalueofprevioussteps.Epoch1/5step938/938[==============================]-loss:0.1801-acc:0.9032-8ms/stepEpoch2/5step938/938[==============================]-loss:0.0544-acc:0.9502-8ms/stepEpoch3/5step938/938[==============================]-loss:0.0069-acc:0.9595-7ms/stepEpoch4/5step938/938[==============================]-loss:0.0094-acc:0.9638-7ms/stepEpoch5/5step938/938[==============================]-loss:0.1414-acc:0.9670-8ms/step

开发者可以使用预先定义的验证数据集来评估前一步训练得到的模型的精度。

model.evaluate(val_dataset,verbose=0)

结果如下：

{'loss':[2.145765e-06],'acc':0.9751}

可以看出，初步训练得到的模型效果在97.5%附近，在逐渐了解飞桨后，开发者可以通过调整其中的训练参数来提升模型的精度。

PaddlePaddle团队首次开源文字识别模型套件PaddleOCR，目标是打造丰富、领先、实用的文本识别模型/工具库。该模型套件是一个实用的超轻量OCR系统。主要由DB文本检测、检测框矫正和CRNN文本识别三部分组成。该系统从骨干网络选择和调整、预测头部的设计、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型自动裁剪量化8个方面，采用19个有效策略，对各个模块的模型进行效果调优和瘦身，最终得到整体大小为3.5M的超轻量中英文OCR和2.8M的英文数字OCR。

#index.py

importbase64

importbottle

importrandom

frompaddleocrimportPaddleOCR

ocr=PaddleOCR(use_gpu=False)

@bottle.route('/ocr',method='POST')

deflogin():

filePath='./temp/'+(''.join(random.sample('zyxwvutsrqponmlkjihgfedcba',5)))

withopen(filePath,'wb')asf:

f.write(base64.b64decode(bottle.request.body.read().decode("utf-8").split(',')[1]))

ocrResult=ocr.ocr(filePath,cls=False)

return{'result':[[line[1][0],float(line[1][1])]forlineinocrResult]}

bottle.run(host='0.0.0.0',port=8080)

开发完成之后，运行该项目：

pythonindex.py

可以看到服务已经启动：