一、下载地址：
PaddleOCR开源代码（下载的是2.6RC版本的，可以根据自己需求下载）
具体环境安装就不详细介绍了， 挺简单的，也挺多教程的。
二、数据集准备及制作
（1）下载完代码及配置完环境之后，运行PPOCRLabel.py文件，打开标注软件（2.7版本的会运行报错，解决方案如下）解决PPOCRLabel.py报错operands could not be broadcast together with shapes (213,488,4) (1,1,3)-CSDN博客
（2）运行成功后，点击文件，导入图片所在的路径，然后点击自动标注
（3）自动标注完之后，核对每一张的标签。核对完成之后点击确认，否则导出的时候不会显示
（4）点击左上角的文件，导出标记结果， 导出识别结果。两个文件都导出完之后，会多生成几个文件。
（5）在PaddleOCR下创建一个train_data文件夹，然后将标注好的整个文件夹复制到train_data里。
（6）打开PPOCRLabel/gen_ocr_train_val_test.py文件，把路径修改为自己的路径，然后运行gen_ocr_train_val_test.py
（7）运行结束之后会在train_data里面生成det和rec两个文件夹，分别对应定位和文字识别的数据文章来源：https://www.toymoban.com/news/detail-853032.html
使用2.6版本代码生成的txt文件会有空行，训练时会报错估计是bug。如果有空行可以通过下面代码来修改，把det和rec两个文件夹下的txt文件都修改（代码路径自行修改）文章来源地址https://www.toymoban.com/news/detail-853032.html
import os
import json
# 1.读取txt文件， 把文件里的空行去除,并更新到原文件
txt_path = r"D:\Github_Code\PaddleOCR\train_data\rec\train.txt"
# 读取txt文件， 把文件里的空行去除,并更新到原文件
def read_txt(txt_path):
with open(txt_path, 'r', encoding='utf-8') as f:
lines = f.readlines()
new_lines = []
for line in lines:
if line.strip() != '':
new_lines.append(line)
with open(txt_path, 'w', encoding='utf-8') as f:
f.writelines(new_lines)
return new_lines
lines = read_txt(txt_path)
到了这里，关于PaddleOCR训练自己模型（1）----数据准备的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
