1.git官方库PaddleOCR提供的几种模型库；
PaddleOCR-VL - 通过 0.9B VLM 进行多语言文档解析。
该模型是专为文档解析量身定制的 SOTA 和资源高效模型，支持 109 种语言，擅长识别复杂元素（例如文本、表格、公式和图表），同时保持最小的资源消耗。
PP-OCRv5——通用场景文本识别
单模型支持五种文本类型（简体中文、繁体中文、英文、日文和拼音），准确率提升13%。解决了多语言混合文档识别的难题。
PP-StructureV3——复杂文档解析器，
能够智能地将复杂的PDF和文档图像转换为Markdown和JSON文件，并保留其原始结构。在公开基准测试中，其性能优于众多商业解决方案。完美地维护文档布局和层级结构。
PP-ChatOCRv4——智能信息提取
原生集成了ERNIE 4.5，能够从海量文档中精准提取关键信息，准确率比上一代提升15%。它能让文档“理解”您的问题，并提供准确的答案。
如果需要使用以上所有功能
python -m pip install "paddleocr[all]"
2.github拉下来的源码和pip包（CLI）使用；
👉因为官方的文档中使用的是python tools/train.py，走的是GitHub源码，所以，要微调模型，就必须去GitHub下载源码。
👉之前只是使用，仅仅用pip 包方式导入，调用。
| 场景 | 用的 PaddleOCR |
|---|---|
paddleocr ocr ... |
pip 包（CLI） |
python tools/train.py |
GitHub 源码 |
| 微调模型 | 只能走源码 |
| 线上 API | 通常封源码 |
3.supervisorctl部署踩坑
👉因为刚刚修改了虚拟环境，安装及卸载了一些库，如numpy，影响到了正式环境的运行
Supervisor 不会自动感知你“换了虚拟环境”
👉 必须显式指定 Python 路径，并重载 / 重启服务
4.PaddleOCR文本检测模块训练实战
下载PaddleOCR源码后，看tools/train.py的位置，运行以下命令：
第一次训练非常顺利：
python3 PaddleOCR/tools/train.py -c PaddleOCR/configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \指定yml文件
-o Global.pretrained_model=PP-OCRv5_server_det_pretrained.pdparams \指定官方预训练（或者已训练的模型，与后面的踩坑有关）文件
Train.dataset.data_dir=./
Train.dataset.label_file_list='[label_text/train.txt]'
Eval.dataset.data_dir=./
Eval.dataset.label_file_list='[label_text/val.txt]'
👉 训练完以后，必须导出
python3 PaddleOCR/tools/export_model.py -c PaddleOCR/configs/det/PP-OCRv5/PP-OCRv5_server_det.yml -o
Global.pretrained_model=output/PP-OCRv5_server_det/best_accuracy.pdparams
Global.save_inference_dir="./PP-OCRv5_server_det_v2/"
👉第二次想在之前模型上继续训练，我将导出的模型拿来训练，一直不行
👉搞了半天发现预训练模型后缀时.pdparams,然后才去找导出之前的模型，终于是成功了
