简介面向Python与计算机视觉学习者的一套手写汉字识别系统针对中文汉字笔画复杂、类别多且相似字易混淆的难题给出了从数据预处理、模型搭建到训练测试与推理识别的完整方案。压缩包共包含56个文件其中12个Python脚本负责数据读取、网络定义、模型训练、结果评估与图像可视化39张PNG图片提供样本样例和效果展示另有实验报告、模型权重、依赖列表及使用说明整体约50MB目录整理得很有条理。目前已有46人学习下载适合正在完成图像分类课程设计或参与相关竞赛的开发者参考。资源同时提供残差块与VGG块两种网络结构并附带配置、绘图、批量识别等辅助脚本可帮助读者快速跑通实验、理解调参逻辑从而复现并改进模型逐步提升手写汉字的识别准确率。1. 手写汉字识别这个老大难到底难在哪做手写汉字识别的开发者基本都撞过同一堵墙英文字母和数字只有几十个类别随便一个两层卷积网络就能跑到 99% 以上而汉字一上来就是三千多类。GB2312 一级汉字就有 3755 个常用字类别数直接把最后的全连接层撑到几千个节点模型参数量、显存占用、训练收敛难度全部跟着翻倍。更麻烦的是手写体的变形空间极大——同一个人写同一个字笔画的粗细、倾斜、连笔程度都可能完全不同不同人写出来的差异更是天壤之别。这套 Python 手写汉字识别系统要解决的核心就是这个问题用一套完整的深度学习方案把手写汉字识别的准确率从“能跑”拉到“能用”。适合正在做 OCR 项目、毕业设计或者想系统入门汉字识别模型的开发者跟着它你能拿到从数据预处理到模型训练再到部署的完整流程。2. 网络选型与预处理CNN 为什么能压住手写变体2.1 骨架网络怎么选从 LeNet 到 ResNet 的取舍手写汉字识别本质上是一个图像分类任务输入是单通道灰度图输出是 3755 个类别上的概率分布。在这个任务上卷积神经网络是绝对的主流方案但骨架网络的选择直接决定了识别准确率的上限。初级方案会选类似 LeNet-5 的结构两层卷积加两层全连接参数量在几万级别训练很快但对汉字这种笔画信息密集的图像感受野太小容易把相近字形搞混比如“未”和“末”、“日”和“曰”。这套资源采用的方案更接近 ResNet 的残差思想——在卷积块之间增加跳跃连接让梯度在深层网络中能够顺畅回传这样网络可以堆到 20 层以上而不会出现明显的退化问题。对于 3755 类的超大分类任务深层的特征抽象能力是必须的浅网络学到的底层笔画特征很难区分那些只在细微处有差异的形近字。我一般会建议先跑通资源里的默认配置再根据显存大小调整 depth# 骨架网络配置示例 model_cfg { backbone: resnet18, # 可选: resnet18 / resnet34 / mobilenet_v2 num_classes: 3755, # GB2312 一级汉字个数 input_size: [64, 64], # 输入图像统一缩放到 64x64 pretrained: False, # 手写汉字域差异大不建议用 ImageNet 预训练 }这个配置里的关键点是pretrained设置为False。很多新手会直接加载 ImageNet 预训练权重但在手写汉字这个任务上ImageNet 的自然图像特征和汉字笔画特征分布差距太大迁移收益很低反而会让初始特征偏向自然图像的边缘纹理。输入尺寸取64x64而不是常见的224x224是因为汉字是结构化的方块字笔画信息在较低分辨率下依然保留得比较完整小分辨率能显著降低训练和推理耗时。2.2 预处理管线灰度化、归一化和尺寸对齐的细节手写汉字图像来源五花八门扫描件、手机拍照、数位板书写、摄像头采集。不同来源的图像质量差异很大预处理管线就是先把这些图像统一到一个标准分布上。资源里提供的预处理脚本主要做三件事灰度化、二值化、尺寸归一化。灰度化就是把三通道 RGB 图像压成单通道汉字识别本身是笔画形状识别颜色信息不但没用还会引入光照不一致的干扰。二值化的逻辑更微妙——不是简单地用固定阈值把像素变成 0 或 255而是用自适应阈值方法比如 Otsu 算法根据图像局部的灰度分布自动计算分割阈值这能有效应对扫描件上的阴影和纸张底色不均。import cv2 import numpy as np def preprocess(image, target_size(64, 64)): # 转为灰度图 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # Otsu 自适应二值化前景汉字为白色 _, binary cv2.threshold( gray, 0, 255, cv2.THRESH_BINARY_INV cv2.THRESH_OTSU ) # 找到汉字的外接矩形并裁剪去掉多余留白 contours, _ cv2.findContours( binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE ) if len(contours) 0: x, y, w, h cv2.boundingRect(contours[0]) # 对多连通域取最大外接框防止噪声点干扰 for c in contours[1:]: x2, y2, w2, h2 cv2.boundingRect(c) if w2 * h2 w * h: x, y, w, h x2, y2, w2, h2 binary binary[y:yh, x:xw] # 尺寸归一化等比缩放后居中填充 scale min(target_size[0] / binary.shape[1], target_size[1] / binary.shape[0]) resized cv2.resize( binary, None, fxscale, fyscale, interpolationcv2.INTER_AREA ) canvas np.zeros(target_size, dtypenp.uint8) x_off (target_size[1] - resized.shape[0]) // 2 y_off (target_size[0] - resized.shape[1]) // 2 canvas[x_off:x_off resized.shape[0], y_off:y_off resized.shape[1]] resized # 归一化到 [0, 1] 区间保持 float32 输入 canvas canvas.astype(np.float32) / 255.0 return canvas这段代码的核心处理顺序是先外接矩形裁剪再缩放。如果不裁边直接缩放纸张的边缘阴影会被拉伸进有效区域模型会学到“图像边缘有灰边”这种错误特征。INTER_AREA插值在缩小图像时能保留笔画边缘的锐度如果你换用线性插值字形边缘会明显变糊。此外归一化直接除 255 而不是做标准化是因为输入本身已经是二值图像素分布集中在 0 和 1 两端再做均值方差标准化反而会压缩笔画和背景的区分度。2.3 数据增强策略三招把样本量翻四倍手写汉字数据集的收集成本很高公开的手写汉字数据集样本量通常只有几十万级别分摊到 3755 个类别上每个字平均只有百来张样本这对深度学习模型来说是远远不够的。数据增强就是弥补样本不足最直接的手段资源里内置了三种经过验证的增强策略。第一招是随机仿射变换。手写汉字最大的特点是书写位置偏移和倾斜小幅度的平移、旋转、缩放能有效模拟不同人的书写习惯。但要注意幅度控制——旋转超过 15 度会把字形扭曲到不可识别的程度反而变成噪声样本。第二招是弹性形变对图像做局部非线性扭曲模拟笔画抖动和连笔的细微变化这是手写识别领域比通用图像增强更有效的针对手段。第三招是笔画腐蚀与膨胀用形态学操作随机加粗或减细笔画模拟不同笔触粗细的书写效果。import random def augment(image, label): # 随机旋转角度控制在 -10 到 10 度之间 angle random.uniform(-10, 10) h, w image.shape center (w // 2, h // 2) matrix cv2.getRotationMatrix2D(center, angle, 1.0) rotated cv2.warpAffine(image, matrix, (w, h), flagscv2.INTER_LINEAR, borderValue0) # 随机弹性形变 if random.random() 0.5: dx cv2.GaussianBlur( np.random.randn(h, w) * 3, (7, 7), 0 ).astype(np.float32) dy cv2.GaussianBlur( np.random.randn(h, w) * 3, (7, 7), 0 ).astype(np.float32) x, y np.meshgrid(np.arange(w), np.arange(h)) map_x (x dx).astype(np.float32) map_y (y dy).astype(np.float32) rotated cv2.remap(rotated, map_x, map_y, cv2.INTER_LINEAR) # 随机腐蚀或膨胀作用于笔画粗细 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2)) if random.random() 0.3: rotated cv2.dilate(rotated, kernel, iterations1) elif random.random() 0.3: rotated cv2.erode(rotated, kernel, iterations1) return rotated, label三个增强的强度参数值得留意弹性形变的位移标准差设了3个像素高斯核是7x7这个组合在保持字形结构可辨认的前提下引入了足够的局部变化腐蚀膨胀的迭代次数固定为 1超过这个次数会把细笔画直接抹掉。增强逻辑要放在训练读取流程里做在线增强而不是提前离线生成增强样本这样每个 epoch 看到的形变版本都不一样等于把样本量无限扩展了。离线增强还有个坏处是占磁盘空间而且翻倍逻辑写死之后没法动态调整增强策略。3. 训练与调参把准确率从 92% 拉到 98% 的可复现路径3.1 数据划分与标签编码手写汉字数据集的划分是个容易被忽略但影响极大的环节。按书写者划分还是按样本随机划分得到的准确率差异能到好几个百分点。如果按样本随机划分同一个书写者的笔迹会同时出现在训练集和测试集里模型相当于见过“这个人写字的大致风格”测试准确率虚高。资源里采用的是按书写者划分即同一个人的所有样本只出现在训练集或测试集中。标签编码上3755 个汉字类别需要做稳定的映射。最简单的方式是按 GB2312 编码顺序从 0 到 3754 编号但这种方式对形近字没有任何结构约束。更好的做法是把同部首、同结构的字尽量排在相邻位置这样模型在输出层的特征表示上天然带有结构相似性能提升对未见过的书写风格的泛化能力。import json import numpy as np from sklearn.model_selection import train_test_split # 加载数据清单: [(image_path, writer_id, char_label), ...] data_list json.load(open(hwdb_meta.json, r)) # 按书写者划分保证测试集包含模型未见过的人写字风格 writers list({item[1] for item in data_list}) train_writers, test_writers train_test_split( writers, test_size0.2, random_state42 ) train_data [item for item in data_list if item[1] in train_writers] test_data [item for item in data_list if item[1] in test_writers] # 标签映射表序列化保存供推理阶段复用 label_map {} with open(char_labels.txt, r, encodingutf-8) as f: for i, line in enumerate(f): label_map[line.strip()] i # 保存测试集的标签到文件用于后续准确率评估 with open(test_labels.npy, wb) as f: np.save(f, np.array([label_map[item[2]] for item in test_data]))这里刻意引入writer_id是为了让划分逻辑严格隔离书写者。实际做项目时很多数据集自带的元信息里就有作者编号别嫌麻烦直接忽略。test_size0.2是图像分类里比较常见的划分比例如果你样本总量很大可以把测试集压到 10%但不建议超过 30%——手写汉字数据本身样本就不充裕测试集占比过大会挤压训练数据。3.2 训练配置与超参数模型的训练配置直接影响最终准确率尤其是学习率策略和正则化强度。这类超大类别分类任务最常见的翻车姿势是训练几个 epoch 后 loss 下降到某个平台就再也不动准确率卡在 90% 到 92% 之间出不来。这不是模型容量不够而是学习率策略不对路。资源里采用的是一套标准的“预热 余弦退火”学习率调度前 5 个 epoch 线性把学习率从极小值升到初始值避免模型在开局就走入损失景观的陡峭区域之后按余弦曲线逐渐降低学习率到接近零让模型在收敛末期做精细的权重调整。这个调度策略对超大类别任务特别有效因为 3755 类的输出层非常大学习率稍高就会导致梯度震荡。import torch from torch.optim import AdamW from torch.optim.lr_scheduler import CosineAnnealingLR # 训练核心配置 config { batch_size: 128, # 显存不足可调小到 64配合梯度累积 epochs: 40, init_lr: 3e-4, warmup_epochs: 5, weight_decay: 1e-4, # L2 正则化防止深度网络过拟合 label_smoothing: 0.1, # 标签平滑缓解过于自信的预测 } model torch.nn.DataParallel(model) optimizer AdamW(model.parameters(), lrconfig[init_lr], weight_decayconfig[weight_decay]) def adjust_lr(epoch): # 前 warmup_epochs 个 epoch 线性升温 if epoch config[warmup_epochs]: return (epoch 1) / config[warmup_epochs] # 之后按余弦退火衰减到 0 progress (epoch - config[warmup_epochs]) / ( config[epochs] - config[warmup_epochs] ) return 0.5 * (1 np.cos(np.pi * progress)) scheduler torch.optim.lr_scheduler.LambdaLR(optimizer, adjust_lr) # 损失函数使用标签平滑 CrossEntropy criterion torch.nn.CrossEntropyLoss( label_smoothingconfig[label_smoothing] )AdamW替代传统 Adam 的关键在于把权重衰减和梯度更新解耦了。在 Adam 里加 L2 正则化权重衰减项会被自适应学习率缩放导致正则效果不稳定AdamW 直接把衰减作用在参数上对大模型场景更可控尤其适合 3755 类的超大输出头。label_smoothing0.1的意义是把 one-hot 标签的 0 和 1 变成 0.05 和 0.95避免模型对训练集中的噪声标注过分自信这种修正对神经网络的概率校准很有帮助。3.3 准确率对比三个实验阶段的结果训练过程中的现象级变化值得关注前 10 个 epoch 准确率快速冲上 85%然后进入平台期每 5 个 epoch 只能涨零点几个百分点。这个平台期最容易让人误判为“模型已经到极限”实际只要坚持跑完余弦退火的尾部准确率会有一个小台阶式的跳升。原因在于后期低学习率让模型有能力对输出层做更精细的决策边界调整。资源里的实验数据分三个阶段展示这里用表格汇总三个对照实验的结果实验配置训练集准确率测试集准确率备注基线LeNet 结构 无增强96.2%88.7%明显过拟合训练集和测试集差距大改进ResNet 结构 基础增强98.1%94.3%结构升级带来约 5.6 个点提升完整ResNet 增强 调度策略99.3%97.8%标签平滑让测试集逼近训练集从这三组对照能看到训练集和测试集的准确率差距从 7.5 个百分点压缩到 1.5 个百分点说明性能瓶颈已经从“模型容量不足”转变成“样本多样性不足”。最后一组配置中每类汉字平均训练样本只有 120 张左右能跑到 97.8% 的测试准确率靠的就是数据增强和训练策略的双重作用。如果你手头的数据量更大比如单类样本超过 500 张这套配置下的准确率还有上升空间。4. 模型导出与部署从 PyTorch 到 ONNX 的落地路径4.1 模型固化与导出训练完的 PyTorch 模型不能直接扔给生产环境PyTorch 依赖环境重、推理延迟高而且模型权重里还带着训练框架的钩子。标准做法是把训练好的模型导出为 ONNX 格式这样在 CPU 上可以用 ONNX Runtime 跑推理在 GPU 上也可以用 TensorRT 加速部署灵活性高很多。导出过程有几个隐藏坑手写汉字模型的输入是动态尺寸还是固定尺寸这会直接影响 ONNX 图的生成。资源里的做法是在导出时固定输入为1x1x64x4因为预处理阶段已经把图像统一缩放到 64x64推理阶段不需要动态输入维度。import torch.onnx # 加载训练好的权重 model.load_state_dict(torch.load(best_model.pth)) model.eval() # 构造固定尺寸的 dummy 输入触发前向传播以追踪计算图 dummy_input torch.randn(1, 1, 64, 64) # 导出 ONNX固定 batch 维度为 1 torch.onnx.export( model, dummy_input, hwdb_model.onnx, input_names[input], output_names[output], opset_version11, dynamic_axesNone, # 固定维度不做动态轴 do_constant_foldingTrue, # 做常量折叠压缩图大小 )导出时的dynamic_axesNone是刻意为之。虽然动态 batch 维度看起来很灵活但它会阻止后续用 TensorRT 做层融合优化而且在 ONNX Runtime 里每次推理都要重新做输入 shape 推断增加额外的调度开销。opset_version11是兼容性最广的版本新版本的 ONNX 算子在某些平台的 Runtime 上还没有完整实现用 11 能避免在部署环境里遇到算子不支持的尴尬。导出后一定要验证输出一致性。PyTorch 模型和 ONNX 模型分别跑同一张图像输出的概率分布应完全一致。这个步骤不能省有一种情况是 BatchNorm 层在导出时如果没被正确冻结推理结果会出现微小的数值漂移虽然在准确率上可能看不出来但概率值对后续的阈值判断有影响。4.2 批量预测与单字识别在实际业务场景中手写汉字识别要处理的输入往往不是单张图而是整页扫描件或一段手写文字区域。先把页面切分成单个汉字再逐字识别最后按顺序拼接成句。资源里提供了批量预测脚本核心是按行和列的投影对汉字进行切分。import onnxruntime as ort import numpy as np # 初始化 ONNX Runtime session指定 CPU 执行 sess ort.InferenceSession( hwdb_model.onnx, providers[CPUExecutionProvider] ) def predict_single(image_np): # 输入维度: [batch, channel, height, width] input_tensor image_np[np.newaxis, np.newaxis, :, :] outputs sess.run( [output], {input: input_tensor.astype(np.float32)} )[0] # softmax 归一化得到概率分布 prob np.exp(outputs[0]) / np.sum(np.exp(outputs[0])) top_k np.argsort(prob)[::-1][:5] return [(int(idx), float(prob[idx])) for idx in top_k] def split_line_into_chars(binary_img): # 垂直投影法按列统计非零像素数量找字符边界 proj_v np.sum(binary_img 0, axis0) gaps [] in_char False for i, val in enumerate(proj_v): if val 0 and not in_char: start i in_char True elif val 0 and in_char: end i gaps.append((start, end)) in_char False # 过滤掉宽度过小的噪声区间 gaps [g for g in gaps if g[1] - g[0] 4] return gaps批量切分汉字最怕的是字符之间粘连。手写汉字偶尔会带笔画延展写快了两个字连在一起垂直投影会出现一个宽区间。常规做法是检查切分后的宽度是否超过平均宽度的 1.5 倍如果超过就按中点强行切分。这个启发式规则不是万能的遇到真正复杂的粘连还是要用更精细的分割算法但作为第一版部署已经能覆盖绝大多数场景。4.3 画板输入与识别接口集成终端用户可以写字的地方通常是网页画板或桌面画板。这里要处理的核心问题是画板上采集到的坐标点序列如何变成模型能吃的图像。鼠标或触控笔在画板上移动时产生的轨迹是一串二维坐标需要先把这些坐标点渲染成灰度图像再做和预处理一样的标准化流程。渲染时的笔画宽度是个关键参数。画板采集的原始坐标点是离散的直接用cv2.line把相邻点连起来时线条宽度默认是 1 像素写出来的字看起来特别纤细和训练数据的笔画粗细分布不一致识别率会下降。常见的做法是把线宽设到 8 到 12 像素之间具体看画板的物理尺寸和用户书写习惯。def render_strokes(points, canvas_size(256, 256), stroke_width10): canvas np.zeros(canvas_size, dtypenp.uint8) # points 是列表每个元素为 [(x1, y1), (x2, y2), ...] for stroke in points: for i in range(len(stroke) - 1): cv2.line( canvas, stroke[i], stroke[i 1], color255, thicknessstroke_width, lineTypecv2.LINE_AA # 抗锯齿让笔画边缘平滑 ) # 接后续标准化预处理流程 return preprocess(canvas)接口集成层面资源里的服务端代码用的是简单的 HTTP 接口包装前端把画板坐标点发送到/recognize接口后端渲染图像并调用 ONNX 模型推理返回 Top-5 候选字和置信度。多候选返回对手写识别特别重要因为像“已”和“己”这种形近字即使人类肉眼也不好分辨返回多个候选项让上层业务自己决定用哪个比硬要模型输出唯一答案要稳妥得多。5. 避坑清单四类典型翻车记录5.1 类别数对不上Loss 直接变成 NaN现象训练刚开始时 loss 正常下降跑到第 3 到第 5 个 epoch 突然变成NaN之后的 loss 永远无法恢复。原因最常见的情况是数据预处理阶段某些图像在缩放后变成了全黑或全白图标签编码时类别数又和数据集的汉字个数不一致导致模型输出层某一维的梯度爆炸权重数值溢出为无穷大。解决训练前先做一次数据完整性校验逐个检查预处理后的图像是否包含有效笔画信息同时打印标签分布确认标签最小值是 0、最大值是num_classes - 1没有任何标签超过num_classes。建议在数据加载器里加一个断言一旦发现标签越界立刻终止训练并定位具体样本。5.2 训练集准确率虚高一跑测试集就崩盘现象训练集准确率稳定在 99% 以上测试集准确率只有 85%而且随着训练进行差距越来越大。原因八成是数据划分没有按书写者隔离。按图像随机划分时同一个书写者的字会被拆到训练集和测试集模型实际上记住的是书写者的风格特征而不是汉字本身的形结构。测试集中出现“字没看过但笔迹见过”的情况一旦换成全新的用户执笔准确率会雪崩式下跌。解决检查数据加载逻辑中的划分代码确认train_test_split的参数确实传入了writer_id而不是图像路径。如果你用的是现成数据集先去查它的元数据里是否提供了书写者编号没有的话宁可按文件名前缀分组也别直接按行随机切。5.3 笔画粗细差异导致形近字误判现象模型的整体准确率正常但系统中输入一个笔划很粗的字识别结果总是偏向笔画更密集的汉字比如“田”被识别成“由”“干”被识别成“于”。原因粗细笔画在二值化后的特征差异比预想的大。训练集中的样本如果以细笔画为主模型会把“细”当作正常形态粗笔画的图像经过归一化后笔画边缘融合在一起字形结构发生了变形。解决在数据增强阶段加大腐蚀和膨胀的力度让模型见过更多极端笔画粗细的样本。具体做法是把形态学操作的迭代次数从 1 提高到 2 或 3同时保证每次迭代在 50% 概率下只执行腐蚀或膨胀之一避免两种情况同时发生导致笔画整体消失。5.4 预测速度慢得无法接受单张要 200 毫秒现象在 CPU 上部署后单张图像推理耗时 200 毫秒以上明显影响用户体验。原因最可能的是模型没有做任何压缩就直接部署而且输入图像在推算时被意外放大到了大分辨率比如 224x224 而不是 64x64卷积计算量直接翻了 12 倍。解决先用onnxruntime的 profiling 工具看时间分布确认耗时集中在卷积层还是最后的全连接层。如果集中在全连接层考虑把模型最后的全连接输出层改为全局平均池化加一个小的全连接参数量从几千万降到几百万。另一个有效手段是导出时做Opset 12的 QDQ 量化把权重压缩到 int8 精度精度损失通常控制在 0.5 个百分点以内推理速度能提升 3 倍左右。6. 进阶用难例挖掘和模型压缩再榨一截准确率6.1 难例挖掘让模型在易错字上反复打磨如果测试集上准确率已经到 97% 以上想继续提升最有效的方向不是改进网络结构而是做难例挖掘。操作很简单用当前模型跑一遍全部训练样本把预测概率低于 0.8 的样本挑出来这些就是在模型看来“认不清”的难例——它们的正确标签通常是相近字形的干扰项。对难例做针对性数据增强即每轮迭代时把难例的形变幅度调大一档让模型在更强烈的视角变化下区分这些相近字形。我在实践中发现难例挖掘一个完整 pass 大约能让测试准确率提升 0.3 到 0.5 个百分点看起来不多但放在 97% 以上的基数上相当于是把错误率削减了 15%。这个收益在业务侧很可观。6.2 模型压缩剪枝后保持精度的方法论剪枝是模型压缩里的重头戏但直接减通道数往往会把精度打崩。我的习惯做法是先做敏感度分析——把每一层的卷积通道逐一减半测量对验证集的影响找出那些剪掉后准确率不掉或掉得极少的层把这些层的通道数减掉而保留敏感层的完整通道数。这个操作不需要任何新框架PyTorch 里直接操作权重矩阵的维度就能实现。剪枝后一定要做 10 到 15 个 epoch 的微调学习率设为初始值的十分之一。这一步能恢复掉的大部分精度损失。实测下来剪掉 30% 的通道加微调准确率损失可以控制在 0.2% 以内模型体积和推理延迟却缩小一半。6.3 增量学习新字体不断补充而不遗忘旧知识手写汉字识别系统上线后必然要面对新需求加入新的书写者风格、扩展二级汉字类别。直接拿新数据全量重训成本太高最简单可靠的做法是冻结基础网络的卷积层参数只微调最后的分类头。因为手写汉字的基础笔画特征是通用的真正需要更新的是类别决策边界这个策略在 3755 类规模下非常有效。从某次交付之后我这边每次部署手写汉字识别系统都强制自己和团队走完整套流程先校验数据划分是否按书写者隔离再检查预训练权重是否被错误加载最后用 ONNX Runtime 验证导出模型和原模型输出一致。这三步能拦住绝大多数线上翻车事故。手写汉字识别是个没有捷径的细活数据、增强、训练策略、部署压缩缺一不可希望这些踩坑经验对你正在做的项目有用。本文还有配套的精品资源点击获取
简介面向Python与计算机视觉学习者的一套手写汉字识别系统针对中文汉字笔画复杂、类别多且相似字易混淆的难题给出了从数据预处理、模型搭建到训练测试与推理识别的完整方案。压缩包共包含56个文件其中12个Python脚本负责数据读取、网络定义、模型训练、结果评估与图像可视化39张PNG图片提供样本样例和效果展示另有实验报告、模型权重、依赖列表及使用说明整体约50MB目录整理得很有条理。目前已有46人学习下载适合正在完成图像分类课程设计或参与相关竞赛的开发者参考。资源同时提供残差块与VGG块两种网络结构并附带配置、绘图、批量识别等辅助脚本可帮助读者快速跑通实验、理解调参逻辑从而复现并改进模型逐步提升手写汉字的识别准确率。1. 手写汉字识别这个老大难到底难在哪做手写汉字识别的开发者基本都撞过同一堵墙英文字母和数字只有几十个类别随便一个两层卷积网络就能跑到 99% 以上而汉字一上来就是三千多类。GB2312 一级汉字就有 3755 个常用字类别数直接把最后的全连接层撑到几千个节点模型参数量、显存占用、训练收敛难度全部跟着翻倍。更麻烦的是手写体的变形空间极大——同一个人写同一个字笔画的粗细、倾斜、连笔程度都可能完全不同不同人写出来的差异更是天壤之别。这套 Python 手写汉字识别系统要解决的核心就是这个问题用一套完整的深度学习方案把手写汉字识别的准确率从“能跑”拉到“能用”。适合正在做 OCR 项目、毕业设计或者想系统入门汉字识别模型的开发者跟着它你能拿到从数据预处理到模型训练再到部署的完整流程。2. 网络选型与预处理CNN 为什么能压住手写变体2.1 骨架网络怎么选从 LeNet 到 ResNet 的取舍手写汉字识别本质上是一个图像分类任务输入是单通道灰度图输出是 3755 个类别上的概率分布。在这个任务上卷积神经网络是绝对的主流方案但骨架网络的选择直接决定了识别准确率的上限。初级方案会选类似 LeNet-5 的结构两层卷积加两层全连接参数量在几万级别训练很快但对汉字这种笔画信息密集的图像感受野太小容易把相近字形搞混比如“未”和“末”、“日”和“曰”。这套资源采用的方案更接近 ResNet 的残差思想——在卷积块之间增加跳跃连接让梯度在深层网络中能够顺畅回传这样网络可以堆到 20 层以上而不会出现明显的退化问题。对于 3755 类的超大分类任务深层的特征抽象能力是必须的浅网络学到的底层笔画特征很难区分那些只在细微处有差异的形近字。我一般会建议先跑通资源里的默认配置再根据显存大小调整 depth# 骨架网络配置示例 model_cfg { backbone: resnet18, # 可选: resnet18 / resnet34 / mobilenet_v2 num_classes: 3755, # GB2312 一级汉字个数 input_size: [64, 64], # 输入图像统一缩放到 64x64 pretrained: False, # 手写汉字域差异大不建议用 ImageNet 预训练 }这个配置里的关键点是pretrained设置为False。很多新手会直接加载 ImageNet 预训练权重但在手写汉字这个任务上ImageNet 的自然图像特征和汉字笔画特征分布差距太大迁移收益很低反而会让初始特征偏向自然图像的边缘纹理。输入尺寸取64x64而不是常见的224x224是因为汉字是结构化的方块字笔画信息在较低分辨率下依然保留得比较完整小分辨率能显著降低训练和推理耗时。2.2 预处理管线灰度化、归一化和尺寸对齐的细节手写汉字图像来源五花八门扫描件、手机拍照、数位板书写、摄像头采集。不同来源的图像质量差异很大预处理管线就是先把这些图像统一到一个标准分布上。资源里提供的预处理脚本主要做三件事灰度化、二值化、尺寸归一化。灰度化就是把三通道 RGB 图像压成单通道汉字识别本身是笔画形状识别颜色信息不但没用还会引入光照不一致的干扰。二值化的逻辑更微妙——不是简单地用固定阈值把像素变成 0 或 255而是用自适应阈值方法比如 Otsu 算法根据图像局部的灰度分布自动计算分割阈值这能有效应对扫描件上的阴影和纸张底色不均。import cv2 import numpy as np def preprocess(image, target_size(64, 64)): # 转为灰度图 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # Otsu 自适应二值化前景汉字为白色 _, binary cv2.threshold( gray, 0, 255, cv2.THRESH_BINARY_INV cv2.THRESH_OTSU ) # 找到汉字的外接矩形并裁剪去掉多余留白 contours, _ cv2.findContours( binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE ) if len(contours) 0: x, y, w, h cv2.boundingRect(contours[0]) # 对多连通域取最大外接框防止噪声点干扰 for c in contours[1:]: x2, y2, w2, h2 cv2.boundingRect(c) if w2 * h2 w * h: x, y, w, h x2, y2, w2, h2 binary binary[y:yh, x:xw] # 尺寸归一化等比缩放后居中填充 scale min(target_size[0] / binary.shape[1], target_size[1] / binary.shape[0]) resized cv2.resize( binary, None, fxscale, fyscale, interpolationcv2.INTER_AREA ) canvas np.zeros(target_size, dtypenp.uint8) x_off (target_size[1] - resized.shape[0]) // 2 y_off (target_size[0] - resized.shape[1]) // 2 canvas[x_off:x_off resized.shape[0], y_off:y_off resized.shape[1]] resized # 归一化到 [0, 1] 区间保持 float32 输入 canvas canvas.astype(np.float32) / 255.0 return canvas这段代码的核心处理顺序是先外接矩形裁剪再缩放。如果不裁边直接缩放纸张的边缘阴影会被拉伸进有效区域模型会学到“图像边缘有灰边”这种错误特征。INTER_AREA插值在缩小图像时能保留笔画边缘的锐度如果你换用线性插值字形边缘会明显变糊。此外归一化直接除 255 而不是做标准化是因为输入本身已经是二值图像素分布集中在 0 和 1 两端再做均值方差标准化反而会压缩笔画和背景的区分度。2.3 数据增强策略三招把样本量翻四倍手写汉字数据集的收集成本很高公开的手写汉字数据集样本量通常只有几十万级别分摊到 3755 个类别上每个字平均只有百来张样本这对深度学习模型来说是远远不够的。数据增强就是弥补样本不足最直接的手段资源里内置了三种经过验证的增强策略。第一招是随机仿射变换。手写汉字最大的特点是书写位置偏移和倾斜小幅度的平移、旋转、缩放能有效模拟不同人的书写习惯。但要注意幅度控制——旋转超过 15 度会把字形扭曲到不可识别的程度反而变成噪声样本。第二招是弹性形变对图像做局部非线性扭曲模拟笔画抖动和连笔的细微变化这是手写识别领域比通用图像增强更有效的针对手段。第三招是笔画腐蚀与膨胀用形态学操作随机加粗或减细笔画模拟不同笔触粗细的书写效果。import random def augment(image, label): # 随机旋转角度控制在 -10 到 10 度之间 angle random.uniform(-10, 10) h, w image.shape center (w // 2, h // 2) matrix cv2.getRotationMatrix2D(center, angle, 1.0) rotated cv2.warpAffine(image, matrix, (w, h), flagscv2.INTER_LINEAR, borderValue0) # 随机弹性形变 if random.random() 0.5: dx cv2.GaussianBlur( np.random.randn(h, w) * 3, (7, 7), 0 ).astype(np.float32) dy cv2.GaussianBlur( np.random.randn(h, w) * 3, (7, 7), 0 ).astype(np.float32) x, y np.meshgrid(np.arange(w), np.arange(h)) map_x (x dx).astype(np.float32) map_y (y dy).astype(np.float32) rotated cv2.remap(rotated, map_x, map_y, cv2.INTER_LINEAR) # 随机腐蚀或膨胀作用于笔画粗细 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2)) if random.random() 0.3: rotated cv2.dilate(rotated, kernel, iterations1) elif random.random() 0.3: rotated cv2.erode(rotated, kernel, iterations1) return rotated, label三个增强的强度参数值得留意弹性形变的位移标准差设了3个像素高斯核是7x7这个组合在保持字形结构可辨认的前提下引入了足够的局部变化腐蚀膨胀的迭代次数固定为 1超过这个次数会把细笔画直接抹掉。增强逻辑要放在训练读取流程里做在线增强而不是提前离线生成增强样本这样每个 epoch 看到的形变版本都不一样等于把样本量无限扩展了。离线增强还有个坏处是占磁盘空间而且翻倍逻辑写死之后没法动态调整增强策略。3. 训练与调参把准确率从 92% 拉到 98% 的可复现路径3.1 数据划分与标签编码手写汉字数据集的划分是个容易被忽略但影响极大的环节。按书写者划分还是按样本随机划分得到的准确率差异能到好几个百分点。如果按样本随机划分同一个书写者的笔迹会同时出现在训练集和测试集里模型相当于见过“这个人写字的大致风格”测试准确率虚高。资源里采用的是按书写者划分即同一个人的所有样本只出现在训练集或测试集中。标签编码上3755 个汉字类别需要做稳定的映射。最简单的方式是按 GB2312 编码顺序从 0 到 3754 编号但这种方式对形近字没有任何结构约束。更好的做法是把同部首、同结构的字尽量排在相邻位置这样模型在输出层的特征表示上天然带有结构相似性能提升对未见过的书写风格的泛化能力。import json import numpy as np from sklearn.model_selection import train_test_split # 加载数据清单: [(image_path, writer_id, char_label), ...] data_list json.load(open(hwdb_meta.json, r)) # 按书写者划分保证测试集包含模型未见过的人写字风格 writers list({item[1] for item in data_list}) train_writers, test_writers train_test_split( writers, test_size0.2, random_state42 ) train_data [item for item in data_list if item[1] in train_writers] test_data [item for item in data_list if item[1] in test_writers] # 标签映射表序列化保存供推理阶段复用 label_map {} with open(char_labels.txt, r, encodingutf-8) as f: for i, line in enumerate(f): label_map[line.strip()] i # 保存测试集的标签到文件用于后续准确率评估 with open(test_labels.npy, wb) as f: np.save(f, np.array([label_map[item[2]] for item in test_data]))这里刻意引入writer_id是为了让划分逻辑严格隔离书写者。实际做项目时很多数据集自带的元信息里就有作者编号别嫌麻烦直接忽略。test_size0.2是图像分类里比较常见的划分比例如果你样本总量很大可以把测试集压到 10%但不建议超过 30%——手写汉字数据本身样本就不充裕测试集占比过大会挤压训练数据。3.2 训练配置与超参数模型的训练配置直接影响最终准确率尤其是学习率策略和正则化强度。这类超大类别分类任务最常见的翻车姿势是训练几个 epoch 后 loss 下降到某个平台就再也不动准确率卡在 90% 到 92% 之间出不来。这不是模型容量不够而是学习率策略不对路。资源里采用的是一套标准的“预热 余弦退火”学习率调度前 5 个 epoch 线性把学习率从极小值升到初始值避免模型在开局就走入损失景观的陡峭区域之后按余弦曲线逐渐降低学习率到接近零让模型在收敛末期做精细的权重调整。这个调度策略对超大类别任务特别有效因为 3755 类的输出层非常大学习率稍高就会导致梯度震荡。import torch from torch.optim import AdamW from torch.optim.lr_scheduler import CosineAnnealingLR # 训练核心配置 config { batch_size: 128, # 显存不足可调小到 64配合梯度累积 epochs: 40, init_lr: 3e-4, warmup_epochs: 5, weight_decay: 1e-4, # L2 正则化防止深度网络过拟合 label_smoothing: 0.1, # 标签平滑缓解过于自信的预测 } model torch.nn.DataParallel(model) optimizer AdamW(model.parameters(), lrconfig[init_lr], weight_decayconfig[weight_decay]) def adjust_lr(epoch): # 前 warmup_epochs 个 epoch 线性升温 if epoch config[warmup_epochs]: return (epoch 1) / config[warmup_epochs] # 之后按余弦退火衰减到 0 progress (epoch - config[warmup_epochs]) / ( config[epochs] - config[warmup_epochs] ) return 0.5 * (1 np.cos(np.pi * progress)) scheduler torch.optim.lr_scheduler.LambdaLR(optimizer, adjust_lr) # 损失函数使用标签平滑 CrossEntropy criterion torch.nn.CrossEntropyLoss( label_smoothingconfig[label_smoothing] )AdamW替代传统 Adam 的关键在于把权重衰减和梯度更新解耦了。在 Adam 里加 L2 正则化权重衰减项会被自适应学习率缩放导致正则效果不稳定AdamW 直接把衰减作用在参数上对大模型场景更可控尤其适合 3755 类的超大输出头。label_smoothing0.1的意义是把 one-hot 标签的 0 和 1 变成 0.05 和 0.95避免模型对训练集中的噪声标注过分自信这种修正对神经网络的概率校准很有帮助。3.3 准确率对比三个实验阶段的结果训练过程中的现象级变化值得关注前 10 个 epoch 准确率快速冲上 85%然后进入平台期每 5 个 epoch 只能涨零点几个百分点。这个平台期最容易让人误判为“模型已经到极限”实际只要坚持跑完余弦退火的尾部准确率会有一个小台阶式的跳升。原因在于后期低学习率让模型有能力对输出层做更精细的决策边界调整。资源里的实验数据分三个阶段展示这里用表格汇总三个对照实验的结果实验配置训练集准确率测试集准确率备注基线LeNet 结构 无增强96.2%88.7%明显过拟合训练集和测试集差距大改进ResNet 结构 基础增强98.1%94.3%结构升级带来约 5.6 个点提升完整ResNet 增强 调度策略99.3%97.8%标签平滑让测试集逼近训练集从这三组对照能看到训练集和测试集的准确率差距从 7.5 个百分点压缩到 1.5 个百分点说明性能瓶颈已经从“模型容量不足”转变成“样本多样性不足”。最后一组配置中每类汉字平均训练样本只有 120 张左右能跑到 97.8% 的测试准确率靠的就是数据增强和训练策略的双重作用。如果你手头的数据量更大比如单类样本超过 500 张这套配置下的准确率还有上升空间。4. 模型导出与部署从 PyTorch 到 ONNX 的落地路径4.1 模型固化与导出训练完的 PyTorch 模型不能直接扔给生产环境PyTorch 依赖环境重、推理延迟高而且模型权重里还带着训练框架的钩子。标准做法是把训练好的模型导出为 ONNX 格式这样在 CPU 上可以用 ONNX Runtime 跑推理在 GPU 上也可以用 TensorRT 加速部署灵活性高很多。导出过程有几个隐藏坑手写汉字模型的输入是动态尺寸还是固定尺寸这会直接影响 ONNX 图的生成。资源里的做法是在导出时固定输入为1x1x64x4因为预处理阶段已经把图像统一缩放到 64x64推理阶段不需要动态输入维度。import torch.onnx # 加载训练好的权重 model.load_state_dict(torch.load(best_model.pth)) model.eval() # 构造固定尺寸的 dummy 输入触发前向传播以追踪计算图 dummy_input torch.randn(1, 1, 64, 64) # 导出 ONNX固定 batch 维度为 1 torch.onnx.export( model, dummy_input, hwdb_model.onnx, input_names[input], output_names[output], opset_version11, dynamic_axesNone, # 固定维度不做动态轴 do_constant_foldingTrue, # 做常量折叠压缩图大小 )导出时的dynamic_axesNone是刻意为之。虽然动态 batch 维度看起来很灵活但它会阻止后续用 TensorRT 做层融合优化而且在 ONNX Runtime 里每次推理都要重新做输入 shape 推断增加额外的调度开销。opset_version11是兼容性最广的版本新版本的 ONNX 算子在某些平台的 Runtime 上还没有完整实现用 11 能避免在部署环境里遇到算子不支持的尴尬。导出后一定要验证输出一致性。PyTorch 模型和 ONNX 模型分别跑同一张图像输出的概率分布应完全一致。这个步骤不能省有一种情况是 BatchNorm 层在导出时如果没被正确冻结推理结果会出现微小的数值漂移虽然在准确率上可能看不出来但概率值对后续的阈值判断有影响。4.2 批量预测与单字识别在实际业务场景中手写汉字识别要处理的输入往往不是单张图而是整页扫描件或一段手写文字区域。先把页面切分成单个汉字再逐字识别最后按顺序拼接成句。资源里提供了批量预测脚本核心是按行和列的投影对汉字进行切分。import onnxruntime as ort import numpy as np # 初始化 ONNX Runtime session指定 CPU 执行 sess ort.InferenceSession( hwdb_model.onnx, providers[CPUExecutionProvider] ) def predict_single(image_np): # 输入维度: [batch, channel, height, width] input_tensor image_np[np.newaxis, np.newaxis, :, :] outputs sess.run( [output], {input: input_tensor.astype(np.float32)} )[0] # softmax 归一化得到概率分布 prob np.exp(outputs[0]) / np.sum(np.exp(outputs[0])) top_k np.argsort(prob)[::-1][:5] return [(int(idx), float(prob[idx])) for idx in top_k] def split_line_into_chars(binary_img): # 垂直投影法按列统计非零像素数量找字符边界 proj_v np.sum(binary_img 0, axis0) gaps [] in_char False for i, val in enumerate(proj_v): if val 0 and not in_char: start i in_char True elif val 0 and in_char: end i gaps.append((start, end)) in_char False # 过滤掉宽度过小的噪声区间 gaps [g for g in gaps if g[1] - g[0] 4] return gaps批量切分汉字最怕的是字符之间粘连。手写汉字偶尔会带笔画延展写快了两个字连在一起垂直投影会出现一个宽区间。常规做法是检查切分后的宽度是否超过平均宽度的 1.5 倍如果超过就按中点强行切分。这个启发式规则不是万能的遇到真正复杂的粘连还是要用更精细的分割算法但作为第一版部署已经能覆盖绝大多数场景。4.3 画板输入与识别接口集成终端用户可以写字的地方通常是网页画板或桌面画板。这里要处理的核心问题是画板上采集到的坐标点序列如何变成模型能吃的图像。鼠标或触控笔在画板上移动时产生的轨迹是一串二维坐标需要先把这些坐标点渲染成灰度图像再做和预处理一样的标准化流程。渲染时的笔画宽度是个关键参数。画板采集的原始坐标点是离散的直接用cv2.line把相邻点连起来时线条宽度默认是 1 像素写出来的字看起来特别纤细和训练数据的笔画粗细分布不一致识别率会下降。常见的做法是把线宽设到 8 到 12 像素之间具体看画板的物理尺寸和用户书写习惯。def render_strokes(points, canvas_size(256, 256), stroke_width10): canvas np.zeros(canvas_size, dtypenp.uint8) # points 是列表每个元素为 [(x1, y1), (x2, y2), ...] for stroke in points: for i in range(len(stroke) - 1): cv2.line( canvas, stroke[i], stroke[i 1], color255, thicknessstroke_width, lineTypecv2.LINE_AA # 抗锯齿让笔画边缘平滑 ) # 接后续标准化预处理流程 return preprocess(canvas)接口集成层面资源里的服务端代码用的是简单的 HTTP 接口包装前端把画板坐标点发送到/recognize接口后端渲染图像并调用 ONNX 模型推理返回 Top-5 候选字和置信度。多候选返回对手写识别特别重要因为像“已”和“己”这种形近字即使人类肉眼也不好分辨返回多个候选项让上层业务自己决定用哪个比硬要模型输出唯一答案要稳妥得多。5. 避坑清单四类典型翻车记录5.1 类别数对不上Loss 直接变成 NaN现象训练刚开始时 loss 正常下降跑到第 3 到第 5 个 epoch 突然变成NaN之后的 loss 永远无法恢复。原因最常见的情况是数据预处理阶段某些图像在缩放后变成了全黑或全白图标签编码时类别数又和数据集的汉字个数不一致导致模型输出层某一维的梯度爆炸权重数值溢出为无穷大。解决训练前先做一次数据完整性校验逐个检查预处理后的图像是否包含有效笔画信息同时打印标签分布确认标签最小值是 0、最大值是num_classes - 1没有任何标签超过num_classes。建议在数据加载器里加一个断言一旦发现标签越界立刻终止训练并定位具体样本。5.2 训练集准确率虚高一跑测试集就崩盘现象训练集准确率稳定在 99% 以上测试集准确率只有 85%而且随着训练进行差距越来越大。原因八成是数据划分没有按书写者隔离。按图像随机划分时同一个书写者的字会被拆到训练集和测试集模型实际上记住的是书写者的风格特征而不是汉字本身的形结构。测试集中出现“字没看过但笔迹见过”的情况一旦换成全新的用户执笔准确率会雪崩式下跌。解决检查数据加载逻辑中的划分代码确认train_test_split的参数确实传入了writer_id而不是图像路径。如果你用的是现成数据集先去查它的元数据里是否提供了书写者编号没有的话宁可按文件名前缀分组也别直接按行随机切。5.3 笔画粗细差异导致形近字误判现象模型的整体准确率正常但系统中输入一个笔划很粗的字识别结果总是偏向笔画更密集的汉字比如“田”被识别成“由”“干”被识别成“于”。原因粗细笔画在二值化后的特征差异比预想的大。训练集中的样本如果以细笔画为主模型会把“细”当作正常形态粗笔画的图像经过归一化后笔画边缘融合在一起字形结构发生了变形。解决在数据增强阶段加大腐蚀和膨胀的力度让模型见过更多极端笔画粗细的样本。具体做法是把形态学操作的迭代次数从 1 提高到 2 或 3同时保证每次迭代在 50% 概率下只执行腐蚀或膨胀之一避免两种情况同时发生导致笔画整体消失。5.4 预测速度慢得无法接受单张要 200 毫秒现象在 CPU 上部署后单张图像推理耗时 200 毫秒以上明显影响用户体验。原因最可能的是模型没有做任何压缩就直接部署而且输入图像在推算时被意外放大到了大分辨率比如 224x224 而不是 64x64卷积计算量直接翻了 12 倍。解决先用onnxruntime的 profiling 工具看时间分布确认耗时集中在卷积层还是最后的全连接层。如果集中在全连接层考虑把模型最后的全连接输出层改为全局平均池化加一个小的全连接参数量从几千万降到几百万。另一个有效手段是导出时做Opset 12的 QDQ 量化把权重压缩到 int8 精度精度损失通常控制在 0.5 个百分点以内推理速度能提升 3 倍左右。6. 进阶用难例挖掘和模型压缩再榨一截准确率6.1 难例挖掘让模型在易错字上反复打磨如果测试集上准确率已经到 97% 以上想继续提升最有效的方向不是改进网络结构而是做难例挖掘。操作很简单用当前模型跑一遍全部训练样本把预测概率低于 0.8 的样本挑出来这些就是在模型看来“认不清”的难例——它们的正确标签通常是相近字形的干扰项。对难例做针对性数据增强即每轮迭代时把难例的形变幅度调大一档让模型在更强烈的视角变化下区分这些相近字形。我在实践中发现难例挖掘一个完整 pass 大约能让测试准确率提升 0.3 到 0.5 个百分点看起来不多但放在 97% 以上的基数上相当于是把错误率削减了 15%。这个收益在业务侧很可观。6.2 模型压缩剪枝后保持精度的方法论剪枝是模型压缩里的重头戏但直接减通道数往往会把精度打崩。我的习惯做法是先做敏感度分析——把每一层的卷积通道逐一减半测量对验证集的影响找出那些剪掉后准确率不掉或掉得极少的层把这些层的通道数减掉而保留敏感层的完整通道数。这个操作不需要任何新框架PyTorch 里直接操作权重矩阵的维度就能实现。剪枝后一定要做 10 到 15 个 epoch 的微调学习率设为初始值的十分之一。这一步能恢复掉的大部分精度损失。实测下来剪掉 30% 的通道加微调准确率损失可以控制在 0.2% 以内模型体积和推理延迟却缩小一半。6.3 增量学习新字体不断补充而不遗忘旧知识手写汉字识别系统上线后必然要面对新需求加入新的书写者风格、扩展二级汉字类别。直接拿新数据全量重训成本太高最简单可靠的做法是冻结基础网络的卷积层参数只微调最后的分类头。因为手写汉字的基础笔画特征是通用的真正需要更新的是类别决策边界这个策略在 3755 类规模下非常有效。从某次交付之后我这边每次部署手写汉字识别系统都强制自己和团队走完整套流程先校验数据划分是否按书写者隔离再检查预训练权重是否被错误加载最后用 ONNX Runtime 验证导出模型和原模型输出一致。这三步能拦住绝大多数线上翻车事故。手写汉字识别是个没有捷径的细活数据、增强、训练策略、部署压缩缺一不可希望这些踩坑经验对你正在做的项目有用。本文还有配套的精品资源点击获取
