前要
飛槳首次開源文字識別模型套件PaddleOCR，目標是打造豐富、領先、實用的文本識別模型/工具庫。首階段的開源套件推出了重磅模型：8.6M超輕量中英文識別模型。該超輕量模型由1個文本檢測模型（4.1M，DB算法）和1個文本識別模型（4.5M，CRNN算法）組成，共8.6M。同時支持中英文識別；aistudio項目地址：https://www.paddlepaddle.org.cn/hub/scene/ocr
開始實驗
一 安裝必要庫：
pip install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simple (這個庫如果使用此方法安裝，在使用時可能會出現問題，如果出現問題，可以先卸載，再到http://www.lfd.uci.edu/~gohkle/pythonlibs/下載shapely庫）
pip install pyclipper -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv -i https://pypi.tuna.tsinghua.edu.cn/simple
二 定義預測數據
顯示圖片：
讀取測試集文件夾：
用戶只需把文件路徑放到test_image.txt文件即可。
三 加載預訓練模型
import paddlehub as hub
ocr = hub.Module(name="chinese_ocr_db_crnn_server") # 服務端可以加載大模型，效果更好。
#ocr = hub.Module(name="chinese_ocr_db_crnn_mobile") #移動端模型加載，速度更快。
模型概述：chinese_ocr_db_crnn_server Module用於識別圖片當中的漢字。其基於chinese_text_detection_db_server檢測得到的文本框，繼續識別文本框中的中文文字。識別文字算法采用（Convolutional Recurrent Neural Network）即卷積遞歸神經網絡。DCNN和RNN的組合，專門用於識別圖像中的序列式對象。與CTC loss配合使用，進行文字識別，可以直接從文本詞級或行級的標注中習，不需要詳細的字符級的標注。該Module是一個通用的OCR模型，支持直接預測。
四 開始預測
預測結果：
五 效果展示：
程序會自動將識別結果保存為圖片文件，並默認保存在ocr_result文件夾中。
成品一：
成品二：
成品三：
六 總結與收獲
通過本次暑期實踐，我學會了如何運用paddlehub做出一個作品，PaddleHub 是基於 PaddlePaddle 開發的預訓練模型管理工具，可以借助預訓練模型更便捷地開展遷移學習工作，旨在讓 PaddlePaddle 生態下的開發者更便捷體驗到大規模預訓練模型的價值。
PaddleHub 目前的預訓練模型覆蓋了圖像分類、目標檢測、詞法分析、Transformer、情感分析五大類別。未來會持續開放更多類型的深度學習模型，如語言模型、視頻分類、圖像生成等預訓練模型。
我也認識到python在機器學習，深度學習中的重要性。很多框架都是由python編寫的，如：tensorflow，pytorch，paddlepaddle等，所以學好python十分重要，paddlehub只是預訓練的模型，對於模型的編寫話要靠paddlepaddle,所以在之后的學習中我將繼續學習paddle paddle與pytorch,來提高自己的編寫神經網絡的能力，來提高自己的學習能力與實踐能力。所以路漫漫其修遠兮，吾將上下而求索。