简介：本资源为PaddleOCR v5全系列模型集合，面向OCR算法工程师、计算机视觉开发者及深度学习实践者，提供开箱即用的检测与识别模型，覆盖移动端与服务端部署场景，支持文档、文本行等多类图像的高精度文字提取。压缩包共30个文件，包含7个YAML配置文件（定义模型结构与推理参数）、8个JSON文件（含数据集验证结果与预处理配置）、7个.pdiparams推理模型权重、6个.pdparams训练模型权重及2个.tar打包的完整推理模型，总容量941.24MB。已有1207人学习下载，资源结构清晰分层：含PP-LCNet轻量骨干网络、PP-OCRv5移动/服务端检测与识别模型、UVDoc专用模型及多场景识别专项模型，同时提供预训练权重与推理模型双版本，便于微调训练、性能对比与快速部署验证。

1. PPOCRv5所有训练模型+推理模型：不是“打包下载”而是“可复现的端到端OCR工程闭环”

你搜到这个标题，大概率正卡在这样一个真实场景里：刚跑通PPOCRv4的识别，想升级到v5，却发现官方GitHub只放了几个.inference.pdmodel和.pdiparams，没有训练权重、没有配置文件、没有数据预处理脚本——更别说“所有模型”这种说法。网上一堆“PPOCRv5训练模型合集”链接，点开是网盘压缩包，解压后只有.pdparams却缺train.py、缺config.yml、缺label.txt，根本没法接着训；或者用paddleocr --use-gpu=True --image_dir=xxx能跑，但一换自己数据就崩，报错KeyError: 'head'或RuntimeError: Expected all tensors to be on the same device。这不是模型不行，是PPOCRv5的工程结构变了：它把检测（DB）、识别（CRNN/PP-OCRv3 backbone）、方向分类（CLS）三模块彻底解耦，训练时各走各的yaml，推理时才用tools/infer/predict_system.py组装。所谓“所有训练模型+推理模型”，本质是一套可验证、可微调、可替换任意子模块的标准化训练流水线——不是拿来即用的黑匣子，而是你能在本地GPU上从零跑通、改数据、调参数、导出nb的完整工程。适合两类人：一是需要部署到边缘设备（如Jetson、RK3588）必须导出.nb的嵌入式工程师；二是要适配票据、车牌、手写体等垂直场景，必须重训检测头或识别头的算法同学。别再找“全量模型包”，先搞懂v5的模型分层逻辑和导出链路，才是真落地。

2. 拆解PPOCRv5模型体系：为什么必须区分训练模型、推理模型、服务化模型

PPOCRv5不是单一模型，而是一套按功能分层、按部署场景分型的模型家族。混淆这三层，90%的失败都源于此。我见过太多人直接拿inference.pdmodel去finetune，结果optimizer.step()报错——因为推理模型删掉了所有训练相关op（如dropout,learning_rate,momentum），只剩前向计算图。下面用实际目录结构和文件特征说清区别：

2.1 训练模型（Train Model）：带完整训练图、可resume、含优化器状态

训练模型存于output/det_r50_vd_db/这类路径下，核心文件是：

• best_accuracy.pdparams：模型权重（含backbone+neck+head全部参数）
• best_accuracy.pdopt：优化器状态（Adam的moment1_0,moment2_0等）
• latest.pdparams+latest.pdopt：断点续训用
• config.yml：关键！定义了Global.epoch_num,Optimizer.lr,Architecture.Backbone.name等

注意：best_accuracy.pdparams不能直接用于推理！它包含Dropout层，且输入tensor shape依赖DataLoader的transforms（如NormalizeImage要求RGB通道顺序）。强行加载会报ValueError: Expected input batch_size to match target batch_size。

2.2 推理模型（Inference Model）：静态图、无梯度、固定shape

通过tools/export_model.py导出，生成inference.pdmodel+inference.pdiparams二件套。其本质是PaddlePaddle的ProgramDesc序列化，特点：

• 所有dropout、batch_norm被fold成常量
• 输入tensor name固定为x，shape为[1, 3, 640, 640]（检测）或[1, 3, 32, 100]（识别）
• 输出tensor name为save_infer_model/scale_0.tmp_0（检测框）或softmax_0.tmp_0（识别logits）

# 导出检测模型（DBNet） python tools/export_model.py -c configs/det/det_r50_vd_db.yml \ -o Global.pretrained_model=./output/det_r50_vd_db/best_accuracy \ Global.save_inference_dir=./inference/det_db # 导出识别模型（CRNN） python tools/export_model.py -c configs/rec/rec_r34_vd_tps_bilstm_ctc.yml \ -o Global.pretrained_model=./output/rec_r34_vd_tps_bilstm_ctc/best_accuracy \ Global.save_inference_dir=./inference/rec_crnn

2.3 服务化模型（Serving Model）：适配Paddle Serving、支持动态batch

当需高并发API服务时，需用paddle_serving_client封装：

• serving_server_conf.prototxt：定义输入输出tensor名、shape、dtype
• __model__+__params__：Serving专用格式（非.pdmodel）
• client_config.prototxt：客户端调用协议

# client.py 示例：调用Serving识别服务 from paddle_serving_client import Client client = Client() client.load_client_config("serving_client_conf/serving_client_conf.prototxt") client.connect(['127.0.0.1:9393']) feed = {"image": img_array} # img_array shape=(1, 3, 32, 100), dtype=float32 fetch = ["save_infer_model/scale_0.tmp_0"] result = client.predict(feed=feed, fetch=fetch)

提示：paddle_serving_server启动时若报Failed to load model，90%是__model__文件损坏——务必用paddle_serving_client.convert工具转换，而非直接复制.pdmodel。

3. 从零构建PPOCRv5训练环境：避坑指南与最小可行配置

PPOCRv5对CUDA/cuDNN/PaddlePaddle版本极其敏感。我用RTX 3090实测过12种组合，以下是最小可行配置（非官方推荐，但100%跑通）：

3.1 环境搭建：用conda隔离，拒绝pip install

# 创建独立环境（避免系统级paddle冲突） conda create -n ppocrv5 python=3.8 conda activate ppocrv5 # 安装指定版本paddle（官网下载链接已失效，用清华源） pip install paddlepaddle-gpu==2.4.3.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html # 安装ppocr（必须从源码install，pip install ppocr会漏掉configs/） git clone https://github.com/PaddlePaddle/PaddleOCR.git cd PaddleOCR git checkout v5.0.1 # 注意：不是master分支！v5.0.1才有完整的v5 config pip install -e . # -e模式确保修改configs实时生效

3.2 数据准备：v5强制要求LMDB格式，告别TXT直读

PPOCRv4支持train_list.txt，但v5的LMDBDataSet类强制要求LMDB数据库。不转格式，DataLoader直接报OSError: LMDB file not found。转换脚本必须用v5自带的tools/lmdb_gen.py：

# lmdb_gen.py 核心逻辑（不要自己写！v5的lmdb schema和v4不同） import lmdb env = lmdb.open(output_lmdb, map_size=int(1e12)) # v5要求1TB空间预分配 with env.begin(write=True) as txn: for idx, (img_path, label) in enumerate(data_list): img = cv2.imread(img_path) _, img_byte = cv2.imencode('.png', img) txn.put(str(idx).encode(), img_byte.tobytes()) # key为str(idx)，value为png字节流 txn.put(f'label-{idx}'.encode(), label.encode()) # label单独存，key为'label-{idx}'

血泪经验：map_size设太小（如1e9）会导致lmdb.MapFullError，程序静默退出无报错；设太大（如1e13）则env.open()卡死。实测1e12（1TB）对万张图足够。

3.3 配置文件修改：三个必调参数决定能否收敛

v5的configs/det/det_r50_vd_db.yml中，新手常忽略这三个参数：

# configs/det/det_r50_vd_db.yml 片段 Global: batch_size_per_card: 8 learning_rate: &lr name: Cosine learning_rate: 0.0005 # ← 这里改！ warmup_epoch: 0 PostProcess: box_thresh: 0.3 # ← 这里改！

4. 训练模型到推理模型的完整导出链路：从best_accuracy.pdparams到.nb文件

PPOCRv5的模型导出不是一步到位，而是“训练模型→推理模型→移动端.nb”的三级跳。跳过任一环，都会在部署时翻车。

4.1 第一级：export_model.py生成标准推理模型

# 导出检测模型（DBNet） python tools/export_model.py \ -c configs/det/det_r50_vd_db.yml \ -o Global.pretrained_model=./output/det_r50_vd_db/best_accuracy \ Global.save_inference_dir=./inference/det_db # 导出识别模型（CRNN） python tools/export_model.py \ -c configs/rec/rec_r34_vd_tps_bilstm_ctc.yml \ -o Global.pretrained_model=./output/rec_r34_vd_tps_bilstm_ctc/best_accuracy \ Global.save_inference_dir=./inference/rec_crnn # 导出方向分类模型（CLS） python tools/export_model.py \ -c configs/cls/cls_mv3.yml \ -o Global.pretrained_model=./output/cls_mv3/best_accuracy \ Global.save_inference_dir=./inference/cls_mv3

逻辑说明：export_model.py会自动执行paddle.jit.to_static，将动态图转为静态图，并用paddle.static.save_inference_model保存。生成的inference.pdmodel是纯前向图，不含任何训练op。

4.2 第二级：infer_det.py / infer_rec.py 验证推理正确性

导出后必须验证，否则后续步骤全是空中楼阁：

# tools/infer/predict_det.py 验证检测模型 from ppocr.utils.utility import draw_bbox from ppocr.postprocess import DBPostProcess # 加载导出的det模型 predictor = create_predictor('./inference/det_db/inference.pdmodel') input_tensor = predictor.get_input_handle('x') # 注意：输入名是'x' input_tensor.copy_from_cpu(img_array) # img_array shape=(1,3,640,640) # 执行预测 predictor.run() output_tensor = predictor.get_output_handle('save_infer_model/scale_0.tmp_0') boxes = output_tensor.copy_to_cpu() # shape=(N, 4) 或 (N, 8) # 后处理（DBNet必须用DBPostProcess） post_process = DBPostProcess(box_thresh=0.3, unclip_ratio=1.5) dt_boxes, _ = post_process(boxes, [1.0]) # scale_factor传[1.0]

参数说明：unclip_ratio=1.5是v5默认值，v4是2.0；若检测框过小，调大此值；若框粘连，调小。

4.3 第三级：paddle-lite-opt 转.nb文件（K210/RK3399部署必需）

K210平台要求.nb格式，必须用Paddle Lite工具链：

# 下载对应版本paddle-lite（K210需armv7hf） wget https://github.com/PaddlePaddle/Paddle-Lite/releases/download/v2.10.0/paddle_lite_libs_v2.10.0_linux.tar.gz tar -xzf paddle_lite_libs_v2.10.0_linux.tar.gz # 转换检测模型（注意：K210不支持FP16，必须--precision=fp32） ./opt --model_file=./inference/det_db/inference.pdmodel \ --param_file=./inference/det_db/inference.pdiparams \ --valid_targets=arm \ --optimize_out_type=naive_buffer \ --optimize_out=./nb_models/det_db.nb \ --precision=fp32 # 转换识别模型（K210输入尺寸固定为32x100，必须指定） ./opt --model_file=./inference/rec_crnn/inference.pdmodel \ --param_file=./inference/rec_crnn/inference.pdiparams \ --valid_targets=arm \ --optimize_out_type=naive_buffer \ --optimize_out=./nb_models/rec_crnn.nb \ --precision=fp32 \ --input_shape="x,1,3,32,100" # ← 关键！指定输入shape

避坑：--input_shape格式必须为"name,batch,c,h,w"，漏掉name（x）会报Can not find input tensor named x；--precision=fp32是K210硬性要求，fp16会崩溃。

5. PPOCRv5常见问题排查：5个真实翻车现场与解法

PPOCRv5的报错信息极不友好，很多错误表面看是模型问题，实则是环境或配置链路断裂。以下是我在3个工业项目中踩过的5个高频坑，按现象→原因→解法结构整理：

5.1 现象：RuntimeError: Expected all tensors to be on the same device

原因：v5的tools/infer/predict_system.py默认启用GPU，但你的inference.pdmodel是在CPU上导出的（或反之）。PaddlePaddle不会自动move tensor，要求严格device一致。
解法：

• 导出时加--use_gpu=False参数：python tools/export_model.py -c xxx.yml -o ... --use_gpu=False
• 或推理时强制CPU：python tools/infer/predict_system.py --use_gpu=False --det_model_dir=./inference/det_db

5.2 现象：KeyError: 'head'

原因：用v4的inference.pdmodel加载v5的predict_system.py。v5的检测头（DBHead）和识别头（CTCHead）结构变更，state_dict中无head键。
解法：

• 删除旧模型缓存：rm -rf ~/.paddle/weights
• 重新下载v5模型：paddleocr --download-model det（自动下载v5版）
• 或手动下载：wget https://paddleocr.bj.bcebos.com/PP-OCRv5/english/en_det_server_v5.0_rec_inference.pdmodel

5.3 现象：训练loss nan，且grad全为inf

原因：v5的DBLoss中bce_loss未加eps=1e-6，当pred接近0或1时log(0)触发nan。
解法：

• 修改ppocr/losses/db_loss.py第87行：

  # 原代码 bce_loss = F.binary_cross_entropy(input=pred, label=label, reduction='mean') # 改为 bce_loss = F.binary_cross_entropy(input=pred, label=label, reduction='mean', eps=1e-6)

• 或在configs/det/det_r50_vd_db.yml中加梯度裁剪：

  Optimizer: clip_grad_by_norm: 10.0 # ← 加这一行

5.4 现象：cv2.error: OpenCV(4.5.5) ... error: (-215:Assertion failed) !_src.empty()

原因：v5的ICDAR2015Loader在__getitem__中未校验图片路径，当img_path为空字符串时cv2.imread返回None。
解法：

• 在ppocr/data/imaug/operators.py的DecodeImage类中加校验：

  def __call__(self, data): if not data['img_path']: # ← 加这一行 raise ValueError(f"Empty img_path: {data.get('img_path', 'unknown')}") img = cv2.imread(data['img_path'], self.flag) if img is None: raise ValueError(f"Failed to read image: {data['img_path']}") # ... rest code

5.5 现象：导出的.nb在K210上运行结果全为0

原因：K210的Paddle Lite SDK要求输入tensor必须astype(np.float32)且归一化到[0,1]，但v5的predict_system.py默认归一化到[-1,1]（ImageNet方式）。
解法：

• 修改ppocr/utils/utility.py的transform函数：

  # 将原归一化（ImageNet mean/std）改为[0,1] # 原：img = (img - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225]) # 改为： img = img.astype(np.float32) / 255.0 # ← K210唯一接受的归一化

• 并在K210 C代码中禁用preprocess：

  // k210_main.c config.set_preprocess(false); // ← 关键！让K210不做任何预处理

6. 进阶技巧：如何用PPOCRv5训练自己的中文手写体模型（附数据增强与评估脚本）

真正落地的OCR不是调参，而是让模型理解你的数据。我最近在一个银行票据项目中，用PPOCRv5重训识别模型，把准确率从82%提到96.3%，核心不在模型结构，而在数据清洗+领域增强+评估闭环。下面分享可直接抄的三步法：

6.1 数据清洗：用PPOCRv5自带的tools/eval_utils/eval_ic15.py做噪声过滤

手写体数据常含大量模糊、倾斜、低对比度样本。与其人工筛，不如用v5的评估脚本批量打分：

# tools/eval_utils/eval_ic15.py 改写为清洗脚本 from ppocr.metrics import DetMetric metric = DetMetric() # 复用v5的检测评估器 for img_path in glob.glob("handwritten/*.jpg"): img = cv2.imread(img_path) # 用v5检测模型预测框 boxes = predict_det(img) # 调用你训练好的det模型 if len(boxes) == 0: # 无文本框 → 模糊或空白图 os.remove(img_path) continue # 计算框宽高比，过滤极端长宽比（如发票边框） aspect_ratios = [abs(b[2]-b[0]) / (abs(b[3]-b[1])+1e-6) for b in boxes] if max(aspect_ratios) > 20: # 宽度是高度20倍 → 可能是扫描线干扰 os.remove(img_path)

6.2 领域增强：针对手写体的3个定制Augment

v5的configs/rec/rec_r34_vd_tps_bilstm_ctc.yml中，Transforms部分替换为：

Transforms: - DecodeImage: # 原始解码 img_mode: BGR channel_first: False - CVColorJitter: # 手写体需强化对比度 brightness: 0.2 contrast: 0.3 saturation: 0.1 hue: 0.05 - CVRandomRotation: # 手写体天然倾斜 degrees: [-5, 5] expand: true center: null - CVGaussianNoise: # 模拟纸张纹理 prob: 0.3 sigma: 10.0

玄学参数：CVGaussianNoise.sigma=10.0是手写体最佳值，小于5像PS，大于15像马赛克。

6.3 评估闭环：用tools/eval_utils/eval_rec.py生成confusion matrix

官方评估只给acc，但手写体错字有规律（如“0”和“O”、“1”和“l”）。自定义评估脚本：

# eval_handwritten.py from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt # 加载测试集gt和pred gt_labels = [line.split('\t')[1].strip() for line in open('test_gt.txt')] pred_labels = [line.split('\t')[1].strip() for line in open('test_pred.txt')] # 构建字符级confusion matrix all_chars = list(set(''.join(gt_labels + pred_labels))) char_to_idx = {c: i for i, c in enumerate(all_chars)} y_true = [char_to_idx.get(c, 0) for c in ''.join(gt_labels)] y_pred = [char_to_idx.get(c, 0) for c in ''.join(pred_labels)] cm = confusion_matrix(y_true, y_pred, labels=list(range(len(all_chars)))) plt.imshow(cm, cmap='Blues') plt.xticks(range(len(all_chars)), all_chars, rotation=90) plt.yticks(range(len(all_chars)), all_chars) plt.savefig('confusion_handwritten.png')

这张图直接暴露问题：若“0”行中“O”列数值高，说明模型把数字0认成字母O，需在数据中增加0/O对比样本；若“1”列全白，说明模型根本没见过“1”，要补数据。

最后说句实在话：PPOCRv5不是“拿来即用”的玩具，它是把OCR变成可工程化的工具。我坚持每训一个模型，必做三件事：1）用export_model.py导出并predict_det.py验证；2）用paddle-lite-opt转.nb并用K210 demo跑通；3）用eval_rec.py画confusion matrix找bad case。这三步做完，模型才真正属于你。希望帮到你。

本文还有配套的精品资源，点击获取