yulm-1

想问一下就是按照他的相关参数训练的话，4个卡tiny需要训练多久？数据集就用他给的那个街景的数据集

> 训练集指的那两个合成数据集吗，四张a100需要一天多 不是合成数据集是[Chinese Benckmark]那个数据集

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/algorithm_rec_svtr.md 中的  他没有提供合成数据集呀 > 那个是作为测试集吧，训练还是合成的

> 这里都是测试集，训练集都是syth和mj，论文中有提到 好的，非常感谢

> 这里都是测试集，训练集都是syth和mj，论文中有提到 请问你有这两个数据集吗？

 我又认真的看了一下这个论文，他应该就是用[Chinese Benckmark]提的数据集进行中文任务的训练，英文的训练用的是syth和mj这两个数据集

> > > aistud就一个卡，为什么会多卡呢？ > > > > > > 可是文档里不是说了可以多卡训练嘛，您的意思是ocr仅支持单卡训练吗。 > > 多卡指的是多个显卡，aistudio就提供了一张显卡，你怎么用多卡训练？ 我在自己电脑的多卡上也遇到了这个问题，我的电脑是四个卡的，这个问题怎么解决呢？ 


> SVTR借鉴Vision Transformer结构，使用了绝对位置编码，无法应对变长的输入，只能识别25个字符以内的文本。因需要统计训练集和测试集样本的宽高比，比如，在中文数据集中发现存在很多宽高比10:1的样本，字符数超过了25，如果直接将这些样本resize到32 100，会造成文本图像的失真，因此我们将图像保留宽高比，高度设为32，如果宽度小于320，这padding，如果宽度大于320，则压缩为320，这样尽可能保留了文本图像的原始信息。 > > 存在问题 由于SVTR使用了绝对位置编码，无法应对变长的输入，一个解决方案即为优化input_size:统计宽高比，例如：1、[3, 32, 100]适应宽高比多数为4:1且单个样本字符数不超过20的数据集；2、如果数据集中存在很多宽高比为10:1样本，则可以将[3, 32, 100]修改为[3, 32, 200]或者[3, 32, 320]，也可以参考SVTR中文配置。 > > 如果文本图像中字符个数不确定，但是有的超过了25个，建议采用可以变长输入的模型，比如PP-OCRv3，可以根据图像高宽比设置输入，也可以识别超长的文本。 > > 如果大部分图像都超过了25个字符，建议训练时根据实际情况修改：max_text_length，并将input_size设置为宽高比更大的比例 您好，我想请问一下竖向图片SVTR是怎么对它进行resize的呢？

> > 您好，我想请问一下竖向图片SVTR是怎么对它进行resize的呢？ > > 竖向文本进行旋转后再进行resize 我使用Benchmarking Chinese中提供的数据集（格式.lmdb）进行训练，发现可视化结果中竖向文本都被识别为一个字了，代码本身是不包含旋转的代码吗？需要先处理数据集？