当前位置：文江博客话题详情

tesseract 3.00 是多线程的吗？

发布于 2024-10-17 09:16:10 字数 114 浏览 5 评论 0原文

我读到其他一些帖子建议他们在 3.00 中添加多线程支持。但我不确定3.00发布时是否添加了它。

除了多线程之外，运行 tesseract 的多个进程是实现并发的可行选择吗？

谢谢。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

贪恋 2024-10-24 09:16:10

我所做的一件事是调用 GNU Parallel 在多核系统上运行尽可能多的 Tess* 实例，将多页文档转换为单页图像。

这是一个简短的程序，可以在大多数 Linux 发行版上轻松编译（我使用的是 OpenSuSE 11.4）。

这是我使用的命令行：

/usr/local/bin/parallel -j 4 \
   /usr/local/bin/tesseract -psm 1 -l eng {} {.} \
   ::: /tmp/tmp/*.jpg

-j 4 告诉并行使用服务器上的所有四个 CPU 核心。

如果运行此命令，并在另一个终端中执行“top”，您将同时看到最多四个进程，直到它翻查指定目录中的所有 JPG。

您的负载永远不应超过系统中 CPU 核心的数量（如果您运行 Linux）。

以下是 GNU Parallel 的链接：

http://www.gnu.org/software/parallel/

One thing I've done is invoked GNU Parallel to run as many instances of Tess* as able on a multi-core system for multi-page documents converted to single page images.

It's a short program, easily compiled on most Linux distros (I'm using OpenSuSE 11.4).

Here's the command line that I use:

/usr/local/bin/parallel -j 4 \
   /usr/local/bin/tesseract -psm 1 -l eng {} {.} \
   ::: /tmp/tmp/*.jpg

The -j 4 tells parallel to use all four CPU cores that I have on a server.

If you run this, and in another terminal do a 'top,' you'll see up to four processes at one time until it rummages through all of the JPG's in the directory specified.

Your load should never exceed the number of CPU cores in your system (if you run Linux).

Here's the link to GNU Parallel:

http://www.gnu.org/software/parallel/

回复收藏 0 原文

梦途 2024-10-24 09:16:10

不需要。您可以在 http://code.google.com/ 中浏览代码p/tesseract-ocr/source/browse/ trunk 中的当前代码似乎都没有使用多线程。（至少查看基类、API 和神经网络类）

回复收藏 0 原文

蒲公英的约定 2024-10-24 09:16:10

我也在 Centos 上使用了并行，这样：

ls | parallel --gnu "tesseract {} {.}"

我使用了 stdout 日志中建议的 --gnu 选项，即：

parallel: Warning: YOU ARE USING --tollef. IF THINGS ARE ACTING WEIRD USE --gnu.

{} 和 {.} 是并行的占位符：在这种情况下，您告诉 tesseract 使用作为第一个参数列出的文件，以及不带扩展名的相同文件名作为第二个参数 - 一切都是在并行手册页中有很好的解释。

现在，如果您有 - 比如说 - 三个 .tif 文件，并且运行 tesseract 三次，每个文件一次，总结执行时间，然后运行命令上面在parallel之前加上time，您可以轻松检查加速比。

I did use parallel as well, on a Centos, this way:

ls | parallel --gnu "tesseract {} {.}"

I used the --gnu option as suggested from the stdout log which was:

parallel: Warning: YOU ARE USING --tollef. IF THINGS ARE ACTING WEIRD USE --gnu.

the {} and {.} are placeholders for parallel: in this case you're telling tesseract to use the file listed as first argument, and the same file name without extension as second argument - everything is well explained in parallel man pages.

Now, if you have - say - three .tif files and you run tesseract three times, one for each file, summing up the execution time, and then you run the command above with time before parallel, you can easily check the speedup.

回复收藏 0 原文

~没有更多了~