Hugging Face's logo

Alex5566
/
PaddleDocModel

ONNX
Model card Files
xet
 Community

Paddle 文档模型库

官方版本核验日期：2026-10-14。范围为 OCR、版面、表格、公式；按用户要求未下载 PaddleOCR-VL。

模型来自 PaddlePaddle 官方 Hugging Face 账号；每个仓库固定到具体提交，权重使用官方 LFS SHA256 校验，配置文件使用 Git blob 哈希校验。来源与版本见 sources.lock.json，下载结果见 download_report.json。

模型选择

类别 本次下载 用途
OCR PP-OCRv6_tiny_det / rec 轻量设备
OCR PP-OCRv6_small_det / rec 速度与识别能力兼顾
OCR PP-OCRv6_medium_det / rec 默认高精度档
版面 PP-DocLayoutV3 最新版面、阅读顺序与区域掩码
版面 PP-DocLayout-S 轻量版面检测备选
表格 SLANet_plus 轻量结构识别
表格 SLANeXt_wired / wireless 有线 / 无线表格，按实际表格类型选择
公式 PP-FormulaNet_plus-S / M / L S 适合较轻量英文公式；M/L 支持更复杂中英文公式

共 14 个独立模型。OCR 的 det 和 rec 是配套的两个模型，必须使用同一档位及对应识别字典。

目录 

PaddleDocModel/
  OCR | Layout | Table | Formula/
    <官方模型名称>/
      paddle/                 原始 inference.json、pdiparams、yml
      onnx/fp32/              官方 ONNX 或本地导出结果
        inference.onnx        保留原始 ONNX
        inference.compat.onnx 部分表格/公式的兼容副本；存在时优先使用
      openvino/fp32/          默认 XML + BIN
      openvino/fp16/          权重压缩 XML + BIN，按需评估
      dict/                   OCR 字典、公式 tokenizer 等
      preprocess_postprocess.json
      conversion_report.json
  deployment/<系统>/<硬件>.json
  model_catalog.json          统一模型入口，路径均相对本目录
  verification/               推理、输出一致性、GPU 节点执行记录及样例

原有 openvino_ir_real 文件保持原样。四类旧 model_manifest.json 的 selectedModel/defaultStartup 保留，以兼容既有服务；新版本通过 latestModels/latestRecommendedModel 和根目录 model_catalog.json 读取。尚未修改其他项目的服务配置。

系统和硬件

目标 文件格式 推理后端 验证范围
Windows x64，Intel/AMD CPU ONNX FP32 ONNX Runtime CPU 本机 Intel CPU 已测
Windows/Linux，Intel CPU OpenVINO FP32 OpenVINO CPU Windows 本机已测
Windows，NVIDIA GPU ONNX FP32 DirectML + CPU RTX 4060 已测，记录实际 GPU 节点
Windows，AMD/Intel GPU ONNX FP32 DirectML + CPU 后端已在 RTX 4060 验证，目标显卡待测
Linux，NVIDIA GPU ONNX FP32 CUDA + CPU；可选 TensorRT 需匹配 CUDA/cuDNN，目标环境待测
Linux，AMD GPU ONNX FP32 MIGraphX + CPU 需兼容 ROCm/MIGraphX 构建，目标环境待测
macOS，Intel/Apple CPU ONNX FP32 ONNX Runtime CPU 目标机器待测
macOS，Apple Silicon ONNX FP32 CoreML MLProgram + CPU 需 macOS 12+，在 Mac 编译缓存，目标机器待测
Intel GPU/NPU OpenVINO GPU/NPU 插件 GPU/NPU 算子、静态形状兼容需在目标设备验证

格式相同的模型不按系统重复复制。平台配置说明如何选择执行后端；它们不表示所有算子都能在 GPU/NPU 上运行。循环、条件分支等算子可能回退 CPU。Apple CoreML、Linux CUDA/MIGraphX、Intel GPU/NPU 没有在本机验证。

FP16 是权重存储压缩，CPU 计算可仍使用 FP32；部分 OCR 检测输出与原模型偏差明显高于 FP32。默认使用 FP32，FP16 的识别精度需针对自己的文档集评估。本次没有 INT8 校准数据，因此未生成 INT8 模型。

查找可用路径

在本仓库根目录 D:\Projects\HuggingFaceModels\PaddleDocModel 中运行；本机独立 Python 环境位于上一级目录：

../.venv-paddle/Scripts/python.exe tools/select_model.py --os windows --hardware nvidia --category OCR --tier medium --component rec
../.venv-paddle/Scripts/python.exe tools/select_model.py --os windows --hardware intel --category Formula

返回模型绝对路径、原始预处理/后处理配置、执行后端及实测状态。应用应使用模型自带配置和字典完成预处理、解码；这些权重本身并非完整文档解析应用。

更新、转换与验证

以下命令均从仓库根目录运行。上一级目录的 .venv-paddle 和 .venv-directml 是本次创建的独立环境，没有改动全局 Python 包或其他项目环境。精确依赖见 tools/requirements-windows-*.lock.txt。克隆到其他位置后，创建自己的环境并相应调整 Python 路径；模型和工具均包含在本仓库中。

# 重新下载固定版本，已校验文件会复用；--refresh 才重新获取官方最新提交
../.venv-paddle/Scripts/python.exe tools/sync_paddle_models.py
../.venv-paddle/Scripts/python.exe tools/sync_paddle_models.py --refresh

# 缺少 ONNX 的模型通过现有 WSL Linux 环境导出，再在 Windows 转为 IR
../.venv-paddle/Scripts/python.exe tools/convert_paddle_models.py --converter wsl:PDFSuiteUbuntu22:/root/.venvs/pdfsuite-model-conversion/bin/paddle2onnx

# CPU 与本机 DirectML 推理验证
../.venv-paddle/Scripts/python.exe tools/verify_runtime.py
../.venv-directml/Scripts/python.exe tools/verify_runtime.py --provider DmlExecutionProvider

# 原始 Paddle 与转换输出比较
../.venv-paddle/Scripts/python.exe tools/verify_ocr_parity.py
../.venv-paddle/Scripts/python.exe tools/verify_native_parity.py

# 更新统一清单和平台配置
../.venv-paddle/Scripts/python.exe tools/publish_catalog.py

Linux/macOS 环境可用 tools/requirements-models.txt 安装转换/验证依赖；需要导出原始 Paddle 模型时，另用 Linux Python 3.10 环境安装 tools/requirements-export-linux.txt。convert_paddle_models.py --converter /path/to/paddle2onnx 可指定导出工具。本次 Windows Paddle2ONNX 2.1.0 配合稳定版 Paddle 3.3.1 存在 DLL 兼容问题，因此使用 Linux Paddle 3.0.0 + Paddle2ONNX 2.1.0 完成导出。

兼容副本包含两种有记录的修改：表格循环变量更名，公式声明为标量的 If 输出恢复为标量。这些修改保留权重和数值；原始文件不覆盖，修改数量、哈希、转换命令和原始模型输出对照都保存在报告中。公式导出请求 opset 16，工具可自动升级到 opset 18，实际值以清单为准。

TensorRT

TensorRT 引擎需要在实际部署显卡、系统和 TensorRT 版本下构建，不提供假定通用的 .engine 文件。已提供目标机器构建入口，采用模型自带的动态形状范围：

python tools/build_tensorrt.py OCR PP-OCRv6_medium_rec --fp16 --trtexec C:/TensorRT/bin/trtexec.exe

结果写入对应模型的 tensorrt/fp16/，日志包含后端对算子支持的实际结果。本次未安装 TensorRT，也未生成/验证 NVIDIA CUDA 或 TensorRT 引擎。

证据与限制

verification/CPUExecutionProvider.json、DmlExecutionProvider.json、ocr_parity.json、native_parity.json 记录每个模型的真实结果。GPU 实测使用 Windows、RTX 4060、驱动 560.94；DirectML 的逐节点统计可区分 GPU 执行与 CPU 回退。

推理检查包含模型加载、实际输出和有限数值检查；OCR 使用已知文本图像，版面使用官方文档样例。它们验证模型可执行和转换结果一致性，不替代完整文档数据集的识别精度评测，也不证明所有系统、硬件和输入尺寸都可用。

官方参考：PaddleOCR 发布记录、PaddleX ONNX 导出、CoreML 后端、DirectML 后端、TensorRT 可移植性。

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support