课程名称适应人群快速掌握OCR训练自定义数据集文字识别之车牌号识别基础薄弱以及对ocr感兴趣的同学、使用ocr自定义数据集进行文字识别 、想了解人工智能的同学、重要一点想节约时间的同学、课程附带详细资料适合人群： 基础薄弱以及对ocr感兴趣的同学、使

课时名称课时知识点1.1 PyCharm安装内容介绍以及手把手带你环境安装之PyCharm

课时名称课时知识点4.1 OCR识别模型数据准备与配置文件修改数据准备：OCR模型需要大量的训练数据，数据的准备是模型训练的基础。OCR模型的训练数据可以是包含文字的图像或PDF文件。需要对数据进行清理、标注和划分训练集、验证集和测试集等

课时名称课时知识点4.4 模型的导出和预测导出是指将训练好的模型保存为文件或格式，以便在其他应用或平台上使用。预测是指使用已经训练好的模型对新的数据进行推断或分类等操作。

课时名称课时知识点3.4 模型评估训练中模型参数默认保存在`Global.save_model_dir`目录下。在评估指标时，需要设置`Global.checkpoints`指向保存的参数文件。详细请参考文档

课时名称课时知识点1.2 Anaconda的安装手把手带你环境安装之Anaconda的安装

课时名称课时知识点4.2 预训练模型评估预训练模型评估是指对已经训练好的预训练模型进行性能评估的过程。预训练模型通常是在大规模的数据集上进行预训练的，然后再通过微调等方式进行目标任务的训练，因此预训练模型的性能对后续任务的表现有着重要的影响

课时名称课时知识点3.1 PPOCRLable标注软件使用详细讲解PPOCRLable标注软件使用，以及数据集的准备

课时名称课时知识点5.5 编写Python代码验证OCR检测+识别要编写Python代码验证OCR检测+识别模型，详细步骤参考讲义

课时名称课时知识点3.8 模型导出和预测模型导出是指将训练好的模型保存到磁盘中，以便在其他环境中加载和使用。通常，模型的导出需要考虑模型的文件格式、模型参数、模型结构等因素。常用的模型导出格式包括ONNX、TensorFlow、PyTorch等。 模

课时名称课时知识点2.3 验证是否安装成功当前课程主要是验证paddleocr安装是否成功

课时名称课时知识点1.3 安装CUDA手把手完成环境安装之CUDA安装，并讲解CUDA的作用

课时名称课时知识点3.2 模型之间的关系当前主要讲解模型之间的关系,模型训练、模型转换、模型优化

课时名称课时知识点1.4 cuDNN配置手把手带你完成基本环境安装之cuDNN配置

课时名称课时知识点4.3 模型的训练和预测训练是指使用标注数据对模型进行学习，使其能够从数据中学习到规律和特征，从而在未知数据上进行预测。预测是指使用已经训练好的模型对未知数据进行推断或分类等操作。

课时名称课时知识点3.3 配置文件的修改当前主要是讲解配置文件的修改，让训练变得更容易

课时名称课时知识点5.4 编写Python代码验证OCR识别模型要编写Python代码验证OCR识别模型，完整步骤请参考讲义

课时名称课时知识点2.2 安装paddleocr手把手带着你完成OCR的安装，节约你的时间

课时名称课时知识点5.1 编写代码进行推理验证之环境准备在进行模型推理验证之前，需要先进行环境准备，确保能够正常地运行模型推理代码并得出正确的预测结果

课时名称课时知识点3.5 模型训练模型训练流程可以大致分为以下几个步骤： 数据准备：根据需要解决的问题收集、清洗、预处理数据，将数据划分为训练集、验证集和测试集。 模型设计：根据问题的需求和数据的特征选择合适的模型，设计模型结构和参数。 损失函数和优

课时名称课时知识点5.2 编写Python代码识别身份证信息身份证信息识别是一项常见的OCR任务，可以使用Python编写代码来实现