OCR 测试脚本说明文档
脚本简介
test_simple.py 是一个简化的 OCR 识别测试脚本，用于测试 GLM-OCR 模型对图片的识别性能。
功能特点
- ✅ 强制使用 CPU 模式（避免 GPU 兼容性问题）
- ✅ 分别测试 3 张图片（a.png, b.png, c.png）
- ✅ 记录每张图片的识别用时
- ✅ 将测试结果保存到
test1.txt文件
环境要求
Python 版本
- Python 3.13.2
- 使用虚拟环境：
venv_ocr
操作系统
- Windows 10/11
- 其他支持 Python 的操作系统（Linux, macOS）
需要安装的包
核心依赖包
bash
# 激活虚拟环境
venv_ocr\Scripts\activate
# 安装 PyTorch (CPU 版本)
pip install torch torchvision torchaudio
# 安装 Transformers (需要最新版本以支持 GLM-OCR)
pip install git+https://github.com/huggingface/transformers.git
# 安装 Pillow (图像处理)
pip install Pillow完整安装命令（推荐）
bash
# 激活虚拟环境
venv_ocr\Scripts\activate
# 一次性安装所有依赖
pip install torch torchvision torchaudio Pillow
pip install git+https://github.com/huggingface/transformers.git可选依赖
如果需要使用 GPU（当前脚本已禁用 GPU，但未来可能需要）：
bash
# CUDA 版本的 PyTorch（需要根据 CUDA 版本选择）
# 例如 CUDA 11.8:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# 或 CUDA 12.1:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121⚠️ 注意：当前脚本强制使用 CPU 模式，因为 GPU 存在兼容性问题（kernel 版本不匹配）。
项目结构
ocr (1)/
├── venv_ocr/ # Python 3.13.2 虚拟环境
├── model/ # GLM-OCR 模型文件
│ ├── config.json
│ ├── model.safetensors
│ ├── tokenizer.json
│ └── ...
└── gputest/ # 测试目录
├── a.png # 测试图片 1
├── b.png # 测试图片 2
├── c.png # 测试图片 3
├── test_simple.py # 测试脚本
├── test1.txt # 测试结果输出文件（运行后生成）
└── 运行简单测试.bat # Windows 批处理文件使用方法
方法 1：使用批处理文件（推荐）
- 双击运行
运行简单测试.bat - 等待测试完成
- 查看
test1.txt文件获取结果
方法 2：命令行运行
bash
# 进入项目目录
cd "D:\ocr (1)"
# 激活虚拟环境
venv_ocr\Scripts\activate
# 进入测试目录
cd gputest
# 运行测试脚本
python test_simple.py输出结果
测试完成后，会在 gputest/test1.txt 文件中生成测试报告，包含：
- 测试时间
- 使用的设备（CPU）
- 每张图片的识别用时
- 识别结果长度
- 总计和平均用时
输出示例
OCR 识别测试结果
============================================================
测试时间: 2026-02-12 10:30:45
使用设备: CPU
============================================================
图片 用时(秒) 结果长度
------------------------------------------------------------
a.png 12.34 1234
b.png 15.67 2345
c.png 18.90 3456
------------------------------------------------------------
总计 46.91
平均 15.64 注意事项
-
GPU 兼容性问题：当前脚本强制使用 CPU 模式，因为 GPU 存在 kernel 版本不匹配问题：
FATAL: kernel `fmha_cutlassF_f16_aligned_64x64_rf_sm80` is for sm80-sm100, but was built for sm37 -
模型路径 ：脚本会自动检测模型路径，优先使用
model/目录，如果不存在则使用项目根目录。 -
首次运行：首次运行时会加载模型，可能需要较长时间（几分钟），请耐心等待。
-
内存要求：CPU 模式需要较大的内存（建议至少 8GB RAM），模型加载后占用约 2-4GB 内存。
-
测试图片 ：确保
gputest/目录中存在a.png,b.png,c.png三张测试图片。
故障排查
问题 1：找不到模型文件
- 检查
model/目录是否存在 - 确认
model/config.json文件存在
问题 2：导入错误
- 确认已安装所有依赖包
- 检查虚拟环境是否已激活
- 尝试重新安装 transformers：
pip install --upgrade git+https://github.com/huggingface/transformers.git
问题 3：内存不足
- 关闭其他占用内存的程序
- 考虑使用更小的模型或减少并发测试
问题 4：图片不存在
- 确认测试图片文件存在于
gputest/目录 - 检查文件名是否正确（a.png, b.png, c.png）
更新日志
- v1.0 (2026-02-12)
- 初始版本
- 支持 CPU 模式测试
- 输出测试结果到文件
相关资源
python
"""
OCR识别测试脚本 - 简化版
分别测试3张图片，记录用时到 test1.txt
环境要求:
- Python 3.13.2
- 虚拟环境: venv_ocr
需要安装的包:
- torch (PyTorch CPU版本)
- transformers (最新版本，支持GLM-OCR)
- Pillow (图像处理)
安装命令:
venv_ocr\Scripts\activate
pip install torch torchvision torchaudio Pillow
pip install git+https://github.com/huggingface/transformers.git
使用方法:
方法1: 双击运行 运行简单测试.bat
方法2: python test_simple.py
输出:
测试结果保存在 test1.txt 文件中
注意:
- 当前强制使用CPU模式（避免GPU兼容性问题）
- 首次运行需要加载模型，可能需要几分钟
"""
import os
import sys
import time
import torch
from datetime import datetime
from transformers import AutoProcessor, AutoModelForImageTextToText
from PIL import Image
# 获取项目根目录
PROJECT_ROOT = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
# 模型路径 - 优先使用 model 目录，如果不存在则使用项目根目录
MODEL_PATH = os.path.join(PROJECT_ROOT, "model")
if not os.path.exists(os.path.join(MODEL_PATH, "config.json")):
MODEL_PATH = PROJECT_ROOT
# 测试图片目录
TEST_IMAGES_DIR = os.path.dirname(os.path.abspath(__file__))
# 输出文件
OUTPUT_FILE = os.path.join(TEST_IMAGES_DIR, "test1.txt")
def test_image(image_path, processor, model, device):
"""测试单张图像的识别"""
try:
# 加载图像
image = Image.open(image_path).convert("RGB")
# 设置提示词
prompt_text = "Text Recognition:"
# 构建消息
messages = [{
"role": "user",
"content": [
{"type": "image", "image": image},
{"type": "text", "text": prompt_text}
]
}]
# 处理输入
inputs = processor.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_dict=True,
return_tensors="pt"
)
inputs = {k: v.to(device) if isinstance(v, torch.Tensor) else v
for k, v in inputs.items()}
inputs.pop("token_type_ids", None)
# 开始识别并计时
start_time = time.time()
with torch.no_grad():
generated_ids = model.generate(
**inputs,
max_new_tokens=8192,
do_sample=False,
num_beams=1
)
elapsed_time = time.time() - start_time
# 解码输出
output_text = processor.decode(
generated_ids[0][inputs["input_ids"].shape[1]:],
skip_special_tokens=False
)
return output_text, elapsed_time
except Exception as e:
print(f"错误: {str(e)}")
import traceback
traceback.print_exc()
return None, None
def main():
"""主测试函数"""
print("="*60)
print("OCR 识别测试")
print("="*60)
# 测试图片列表
test_images = ["a.png", "b.png", "c.png"]
# 强制使用CPU模式（避免GPU兼容性问题）
use_gpu = False
device = "cpu"
torch_dtype = torch.float32
print("\n强制使用CPU模式（避免GPU兼容性问题）")
# 加载模型
print(f"\n加载模型... (路径: {MODEL_PATH})")
try:
processor = AutoProcessor.from_pretrained(MODEL_PATH, trust_remote_code=True)
model = AutoModelForImageTextToText.from_pretrained(
MODEL_PATH,
torch_dtype=torch_dtype,
trust_remote_code=True
)
model = model.to(device)
model.eval()
print("模型加载完成!")
except Exception as e:
print(f"模型加载失败: {str(e)}")
return
# 测试结果
results = []
# 测试每张图片
print("\n" + "="*60)
print("开始测试图片")
print("="*60)
for img_name in test_images:
img_path = os.path.join(TEST_IMAGES_DIR, img_name)
if not os.path.exists(img_path):
print(f"\n警告: 图片不存在: {img_path}")
continue
print(f"\n测试图片: {img_name}")
result, elapsed = test_image(img_path, processor, model, device)
if result is not None and elapsed is not None:
results.append({
"image": img_name,
"time": elapsed,
"result_length": len(result)
})
print(f" 用时: {elapsed:.2f} 秒")
print(f" 结果长度: {len(result)} 字符")
else:
print(f" 测试失败")
# 写入结果到文件
print("\n" + "="*60)
print("保存结果到 test1.txt")
print("="*60)
with open(OUTPUT_FILE, "w", encoding="utf-8") as f:
f.write("OCR 识别测试结果\n")
f.write("="*60 + "\n")
f.write(f"测试时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")
f.write(f"使用设备: {'GPU' if use_gpu else 'CPU'}\n")
if use_gpu:
f.write(f"GPU名称: {torch.cuda.get_device_name(0)}\n")
f.write("="*60 + "\n\n")
f.write(f"{'图片':<15} {'用时(秒)':<15} {'结果长度':<15}\n")
f.write("-" * 60 + "\n")
total_time = 0
for r in results:
f.write(f"{r['image']:<15} {r['time']:<15.2f} {r['result_length']:<15}\n")
total_time += r['time']
f.write("-" * 60 + "\n")
f.write(f"{'总计':<15} {total_time:<15.2f} {'':<15}\n")
f.write(f"{'平均':<15} {total_time/len(results):<15.2f} {'':<15}\n")
print(f"\n结果已保存到: {OUTPUT_FILE}")
print("\n测试完成!")
if __name__ == "__main__":
main()