从零部署到实战：ddddocr验证码训练与API服务搭建全攻略

1. 环境准备：搭建ddddocr训练环境

第一次接触ddddocr时，我也被各种依赖项搞得晕头转向。经过几次踩坑后，我总结出一套最稳妥的环境配置方案。ddddocr对Python版本有严格要求，建议使用Python 3.8-3.11版本，其他版本可能会遇到奇怪的兼容性问题。

对于Windows用户，我强烈推荐使用Anaconda创建虚拟环境。这能有效避免不同项目间的依赖冲突。执行以下命令创建名为dd的虚拟环境：

bash复制conda create -n dd python=3.11
conda activate dd

接下来安装核心依赖项。这里有个小技巧：先安装Pillow==9.5.0再安装其他依赖，可以避免图像处理库的版本冲突。requirements.txt应该包含这些关键包：

code复制fire loguru pyyaml tqdm numpy pillow==9.5.0 onnx ddddocr-py311

GPU用户需要特别注意PyTorch版本匹配问题。根据你的CUDA版本选择对应安装命令。我常用的是CUDA 11.7搭配PyTorch 2.0.1：

bash复制conda install pytorch2.0.1 torchvision0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c nvidia

如果只用CPU训练，安装命令更简单：

bash复制conda install pytorch2.0.1 torchvision0.15.2 torchaudio==2.0.2 cpuonly

验证安装是否成功时，可以运行python -c "import ddddocr; print(ddddocr.__version__)"。如果能看到版本号输出，说明基础环境已经就绪。

2. 数据集准备与项目创建

数据集是训练效果的决定性因素。根据我的经验，数字验证码至少需要3000张样本，混合字符需要5000+，中文验证码则建议8000张以上。图片质量比数量更重要，要确保覆盖各种变形、干扰线等真实场景。

创建训练项目的命令很简单：

bash复制python app.py create charprj

这会在projects目录下生成charprj文件夹，包含三个子目录：

• cache：存放预处理后的临时数据
• checkpoints：训练过程中的模型检查点
• models：最终生成的模型文件

config.yaml是项目的核心配置文件，有几个关键参数需要注意：

yaml复制ImageChannel: 1  # 1表示灰度图，3表示彩色图
ImageHeight: 64   # 高度必须是16的倍数
Word: false       # 常规OCR设为false，图像分类才用true

对于中文验证码，建议设置ImageWidth: 128以容纳更多字符。如果是定长验证码，可以固定宽度；不定长则保持-1让系统自动调整。

3. 训练参数调优实战

开始训练前，需要先缓存数据集：

bash复制python app.py cache charprj /path/to/your/images

训练参数中这几个值需要特别关注：

yaml复制Train:
  BATCH_SIZE: 32    # 根据显存调整，16/32/64常见
  LR: 0.01          # 学习率太大容易震荡，太小收敛慢
  TARGET:
    Accuracy: 0.97  # 达到此精度停止训练
    Cost: 0.05      # 损失值阈值
    Epoch: 20       # 最小训练轮数

启动训练的命令很简单：

bash复制python app.py train charprj

训练过程中会遇到几个常见问题：

1. 损失值波动大：尝试减小学习率或增大batch_size
2. 准确率卡住：检查数据集是否足够多样
3. GPU内存不足：降低batch_size或减小图片尺寸

我常用的技巧是先用小规模数据快速验证流程，再用全量数据训练。比如先用100张图片跑通流程，确认无误后再用全部数据训练。

4. 模型导出与API服务部署

训练完成后，最佳模型会自动保存在models目录。我们可以用这个onnx模型进行预测：

python复制import ddddocr
ocr = ddddocr.DdddOcr(
    det=False,
    ocr=False,
    import_onnx_path="charprj.onnx",
    charsets_path="charsets.json"
)
with open("test.png", 'rb') as f:
    print(ocr.classification(f.read()))

部署API服务推荐使用ocr_api_server项目。安装很简单：

bash复制pip install ocr_api_server

启动服务时指定模型路径：

bash复制ocr_api_server --port 9898 --onnx-dir ./models --charsets-dir ./projects/charprj

服务支持两种调用方式：

1. 文件上传：POST /ocr/file
2. Base64编码：POST /ocr/base64

我建议在生产环境用Nginx做反向代理，添加限流和认证。对于高并发场景，可以启动多个worker进程：

bash复制ocr_api_server --port 9898 --workers 4

记得在config.yaml中配置好字符集路径和模型路径，这样服务重启时能自动加载最新模型。如果遇到内存泄漏问题，可以定期重启服务或者使用容器化部署。