machine-learning - 为什么easyocr在本地开发机器上占用更多内存而在google colab上占用更少？

Question

我正在使用easyocr对图像执行文本识别，但发现：

• 在我执行块后它占用大约 2GB 内存：reader = easyocr.Reader(["en"])在本地机器上
• 在google colab上只占用200MB-400MB左右

以下是显示差异的图像：

---

谷歌 colab 截图

本地系统截图后r = easyocr.Reader([])

之前的本地系统截图

如果您对代码感兴趣，那么这里是代码：

import easyocr
from PIL import Image

# Initialize easyocr with english language
reader = easyocr.Reader(['en'], gpu=True)

img = np.asarray(Image.open("input.png"))
reader.readtext(img, paragraph=True)

发现结果：

• 参数batch_size=16和workers=4inreader.readtext提高速度但占用更多内存。
• using 参数allowlistinreader.readtext对内存大小没有任何影响，但在一定程度上有助于提高准确性。

预期成绩：

• 使用 easyocr 减少内存使用量。
• 如果建议作为此问题的答案，下载和使用轻量级模型的说明。
• 在 Nvidia GPU（GeForce GTX 1650 - 4GB RAM）上快速运行的最佳配置，内存使用率低（可选）。

标签： machine-learningpytorchcomputer-visiondata-sciencegoogle-colaboratory