項目概述

經典的深度學習工程是從確認任務目標開始的，我們首先來簡單地介紹一下 OCR 中的文本識別任務以及本期部署實戰課程中我們所使用的工具和平臺。

1.1 文本識別任務

文本識別是 OCR 的一個子任務，其任務為識別一個固定區域的文本內容。在 OCR 的兩階段方法里，它接在文本檢測后面，將圖像信息轉換為文字信息。在卡證票據信息抽取與審核、制造業產品溯源、政務醫療文檔電子化等行業場景中應用廣泛。

1.2 PP-OCRv3

如下圖所示，PP-OCRv3 的整體框架示意圖與 PP-OCRv2 類似，但較 PP-OCRv2 而言，針對檢測模型和識別模型進行了進一步地優化。例如：文本識別模型在 PP-OCRv2 的基礎上引入 SVTR，并使用 GTC 指導訓練和模型蒸餾。

更多關于 PP-OCRv3 的特征及優化策略，可查看 PP-OCRv3 arXiv 技術報告[5]。

1.3 Arm 虛擬硬件 (Arm Virtual Hardware, AVH)

作為 Arm 物聯網全面解決方案的核心技術之一，AVH 很好地解決了實體硬件所面臨的難擴展、難運維等痛點。AVH 提供了簡單便捷并且可擴展的途徑，讓 IoT 應用的開發擺脫了對實體硬件的依賴并使得云原生開發技術在嵌入式物聯網、邊緣側機器學習領域得到了應用。尤其是在芯片緊張的當今時代，使用 AVH 開發者甚至可以在芯片 RTL 之前便可接觸到最新的處理器 IP。

目前 AVH 提供兩種形式供開發者使用。一種是托管在 AWS 以及 AWS China 上以亞馬遜機器鏡像 AMI 形式存在的 Arm Corstone 和 Cortex CPU 的虛擬硬件，另外一種則是由 Arm 以 SaaS 平臺的形式提供的 AVH 第三方硬件。本期課程我們將使用第一種托管在 AWS 以及 AWS China 上以亞馬遜機器鏡像 AMI 形式存在的 Corstone 和 Cortex CPU 的虛擬硬件。

由于目前 AWS China 賬號主要面向企業級開發者開放，個人開發者可訪問 AWS Marketplace 訂閱 AVH 相關服務。參考下圖步驟創建 AVH AMI 實例。

端到端部署流程

接下來小編將重點向大家展示從模型訓練到部署的全流程，本期課程所涉及的相關代碼已在 GitHub 倉庫開源，歡迎大家下載體驗！

(位于 PaddleOCR 的 dygraph 分支下 deploy 目錄的 avh 文件目錄中)

https://github.com/PaddlePaddle/PaddleOCR/tree/dygraph/deploy/avh

2.1 模型訓練

PaddleOCR 模型使用配置文件 (.yml) 管理網絡訓練、評估的參數。在配置文件中，可以設置組建模型、優化器、損失函數、模型前后處理的參數，PaddleOCR 從配置文件中讀取到這些參數，進而組建出完整的訓練流程，完成模型訓練。在需要對模型進行優化時，可以通過修改配置文件中的參數完成配置 (完整的配置文件說明可以參考文檔：配置文件內容與生成[7])，使用簡單且便于修改。

為實現與 Cortex-M 的適配，在模型訓練時我們需要修改所使用的配置文件[8]。去掉不支持的算子，同時為優化模型，在模型調優部分使用了 BDA (Base Data Augmentation)，其包含隨機裁剪，隨機模糊，隨機噪聲，圖像反色等多個基礎數據增強方法。相關配置文件可參考如下代碼。

# Example: PP-OCRv3/en_PP-OCRv3_rec.yml

Global:

  debug: false

  use_gpu: true

  epoch_num: 500

  log_smooth_window: 20

  print_batch_step: 10

  save_model_dir: ./output/rec

  save_epoch_step: 3

  eval_batch_step: [0, 2000]

  cal_metric_during_train: true

  pretrained_model:

  checkpoints:

  save_inference_dir:

  use_visualdl: false

  infer_img: doc/imgs_words/ch/word_1.jpg

  character_dict_path: ppocr/utils/en_dict.txt

  max_text_length: &max_text_length 25

  infer_mode: false

  use_space_char: true

  distributed: true

  save_res_path: ./output/rec/predicts_ppocrv3_en.txt



Optimizer:

  name: Adam

  beta1: 0.9

  beta2: 0.999

  lr:

    name: Cosine

    learning_rate: 0.001

    warmup_epoch: 5

  regularizer:

    name: L2

    factor: 3.0e-05



Architecture:

  model_type: rec

  algorithm: SVTR

  Transform:

  Backbone:

    name: MobileNetV1Enhance

    scale: 0.5

    last_conv_stride: [1, 2]

    last_pool_type: avg

  Neck:

    name: SequenceEncoder

    encoder_type: reshape

  Head:

    name: CTCHead

    mid_channels: 96

    fc_decay: 0.00002



Loss:

  name: CTCLoss



PostProcess:

  name: CTCLabelDecode



Metric:

  name: RecMetric

  main_indicator: acc



Train:

  dataset:

    name: LMDBDataset

    data_dir: MJ_ST

    ext_op_transform_idx: 1

    transforms:

    - DecodeImage:

        img_mode: BGR

        channel_first: false

    - RecAug:

    - CTCLabelEncode:

    - RecResizeImg:

        image_shape: [3, 32, 320]

    - KeepKeys:

        keep_keys:

        - image

        - label

        - length

  loader:

    shuffle: true

    batch_size_per_card: 128

    drop_last: true

    num_workers: 4

Eval:

  dataset:

    name: LMDBDataset

    data_dir: EN_eval

    transforms:

    - DecodeImage:

        img_mode: BGR

        channel_first: false

    - CTCLabelEncode:

    - RecResizeImg:

        image_shape: [3, 32, 320]

    - KeepKeys:

        keep_keys:

        - image

        - label

        - length

  loader:

    shuffle: false

    drop_last: false

    batch_size_per_card: 128

    num_workers: 4

我們使用網上開源英文數據集 MJ+ST 作為訓練測試數據集，并通過以下命令進行模型訓練。模型訓練周期與訓練環境以及數據集大小等均密切相關，大家可根據自身需求進行配置。

# Example training command

python3 tools/train.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o 

            Global. save_model_dir=output/rec/ 

            Train.dataset.name=LMDBDataSet 

            Train.dataset.data_dir=MJ_ST 

            Eval.dataset.name=LMDBDataSet 

            Eval.dataset.data_dir=EN_eval 

2.2 模型導出

模型訓練完成后，還需要將訓練好的文本識別模型轉換為 Paddle Inference 模型，才能使用深度學習編譯器 TVM 對其進行編譯從而獲得適配在 Cortex-M 處理器上運行的代碼。可以參考以下命令導出 Paddle Inference 模型。

# Example exporting model command

python3 tools/export_model.py 

            -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o 

            Global.pretrained_model=output/rec/best_accuracy.pdparams 

            Global.save_inference_dir=output/rec/infer

Inference 模型導出后，可以通過以下命令使用 PaddleOCR 進行推理驗證。為便于各位開發者可直接體驗和部署，大家可以通過https://paddleocr.bj.bcebos.com/tvm/ocr_en.tar鏈接直接下載我們訓練完成并導出的英文文本識別 Inference 模型。

# Example infer command

python3 tools/infer/predict_rec.py --image_dir="path_to_image/word_116.png" 

--rec_model_dir="path_to_infer_model/ocr_en" 

--rec_char_dict_path="ppocr/utils/en_dict.txt" 

--rec_image_shape="3,32,320"

我們使用與后續部署中相同的圖進行驗證，如下圖所示。預測結果為如下，與圖片一致且具有較高的置信度評分，說明我們的推理模型已經基本準備完畢了。

Predicts of /Users/lilwu01/Desktop/word_116.png:('QBHOUSE', 0.9867456555366516)

2.3 模型編譯

為實現在 Cortex-M 上直接完成 PaddlePaddle 模型的部署，我們需要借助深度學習編譯器 TVM 來進行相應模型的轉換和適配。TVM 是一款開源的深度學習編譯器, 主要用于解決將各種深度學習框架部署到各種硬件設備上的適配性問題。

如下圖所示，他可以接收由 PaddlePaddle 等經典的深度學習訓練框架編寫的模型并將其轉換成可在目標設備上運行推理任務的代碼。

我們使用 TVM 的 Python 應用程序 tvmc 來完成模型的編譯。大家可參考如下命令對 Paddle Inference 模型進行編譯。通過指定 --target=cmsis-nn,c 使得模型中 CMSIS NN[9] 庫支持的算子會調用 CMSIS NN 庫執行，而不支持的算子則會回調到 C 代碼庫。

# Example of Model compiling using tvmc

python3 -m tvm.driver.tvmc compile 

         path_to_infer_model/ocr_en/inference.pdmodel 

    --target=cmsis-nn,c 

    --target-cmsis-nn-mcpu=cortex-m55 

    --target-c-mcpu=cortex-m55 

    --runtime=crt 

    --executor=aot 

    --executor-aot-interface-api=c 

    --executor-aot-unpacked-api=1 

    --pass-config tir.usmp.enable=1 

    --pass-config tir.usmp.algorithm=hill_climb 

    --pass-config tir.disable_storage_rewrite=1 

         --pass-config tir.disable_vectorize=1 

    --output-format=mlf 

    --model-format=paddle 

    --module-name=rec 

    --input-shapes x:[1,3,32,320] 

    --output=rec.tar

更多關于參數配置的具體說明，大家可以直接輸入 tvmc compile --help 來查看。編譯后的模型可以在 –output 參數指定的路徑下查看 (此處為當前目錄下的 rec.tar 壓縮包內)。

2.4 模型部署

參考圖 3 所示的 AVH AMI 實例 (instance) 創建的流程并通過 ssh 命令遠程登錄到實例中去，當看到如下所示的提示畫面說明已經成功登入。

2.1-2.3 中所述的模型訓練、導出、編譯等步驟均可以選擇在本地機器上完成或者在 AVH AMI 中完成，大家可根據個人需求確定。為便于開發者朋友更直觀地體驗如何在 AVH 上完成 PaddlePaddle 模型部署，我們為大家提供了部署的示例代碼來幫助大家自動化的完成環境配置，機器學習應用構建以及在含有 Cortex-M55 的 Corstone-300 虛擬硬件上執行并獲取結果。

登入 AVH AMI 實例后，可以輸入以下命令來完成模型部署和查看應用執行結果。run_demo.sh[11] 腳本將會執行以下 6 個步驟來自動化的完成應用構建和執行，執行結果如圖 10 所示。

$ git clone https://github.com/PaddlePaddle/PaddleOCR.git

$ cd PaddleOCR

$ git pull origin dygraph

$ cd deploy/avh

$ ./run_demo.sh

不難看出，該飛槳英文識別模型在含有 Cortex-M55 處理器的 Corstone-300 虛擬硬件上的推理結果與 2.2 章節中在服務器主機上直接進行推理的推理結果高度一致，說明將 PaddlePaddle 模型直接部署在 Cortex-M55 虛擬硬件上運行良好。

總結

本期課程，小編帶領大家學習了如何將 PP-OCRv3 中發布的英文識別模型 (完成算子適配后) 部署在 Corstone-300 的虛擬硬件平臺上。在下期推送中，我們將以計算機視覺領域的目標檢測任務 (Detection) 為目標，一步步地帶領大家動手完成從模型訓練優化到深度學習應用部署的整個端到端的開發流程。