raytune as docker

docs/04_desarrollo_especifico.md

@@ -34,6 +34,11 @@ Se seleccionaron tres soluciones OCR de código abierto representativas del esta
 
 *Fuente: Elaboración propia.*
 
+**Imágenes Docker disponibles en el registro del proyecto:**
+- PaddleOCR: `seryus.ddns.net/unir/paddle-ocr-gpu`, `seryus.ddns.net/unir/paddle-ocr-cpu`
+- EasyOCR: `seryus.ddns.net/unir/easyocr-gpu`
+- DocTR: `seryus.ddns.net/unir/doctr-gpu`
+
 ### Criterios de Éxito
 
 Los criterios establecidos para evaluar las soluciones fueron:
@@ -322,7 +327,7 @@ Esta sección ha presentado:
 
 ### Introducción
 
-Esta sección describe el proceso de optimización de hiperparámetros de PaddleOCR utilizando Ray Tune con el algoritmo de búsqueda Optuna. Los experimentos fueron implementados en el notebook `src/paddle_ocr_fine_tune_unir_raytune.ipynb` y los resultados se almacenaron en `src/raytune_paddle_subproc_results_20251207_192320.csv`.
+Esta sección describe el proceso de optimización de hiperparámetros de PaddleOCR utilizando Ray Tune con el algoritmo de búsqueda Optuna. Los experimentos fueron implementados en [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py) con la librería de utilidades [`src/raytune_ocr.py`](https://github.com/seryus/MastersThesis/blob/main/src/raytune_ocr.py), y los resultados se almacenaron en [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results).
 
 La optimización de hiperparámetros representa una alternativa al fine-tuning tradicional que no requiere:
 - Acceso a GPU dedicada
@@ -339,17 +344,17 @@ El experimento se ejecutó en el siguiente entorno:
 
 | Componente | Versión/Especificación |
 |------------|------------------------|
-| Sistema operativo | Windows 10/11 |
-| Python | 3.11.9 |
+| Sistema operativo | Ubuntu 24.04.3 LTS |
+| Python | 3.12.3 |
 | PaddlePaddle | 3.2.2 |
 | PaddleOCR | 3.3.2 |
 | Ray | 2.52.1 |
-| Optuna | 4.6.0 |
-| CPU | Intel Core (multinúcleo) |
-| RAM | 16 GB |
-| GPU | No disponible (ejecución CPU) |
+| Optuna | 4.7.0 |
+| CPU | AMD Ryzen 7 5800H |
+| RAM | 16 GB DDR4 |
+| GPU | NVIDIA RTX 3060 Laptop (5.66 GB VRAM) |
 
-*Fuente: Outputs del notebook `src/paddle_ocr_fine_tune_unir_raytune.ipynb`.*
+*Fuente: Configuración del entorno de ejecución. Resultados en `src/results/` generados por `src/run_tuning.py`.*
 
 #### Arquitectura de Ejecución
 
@@ -613,7 +618,7 @@ Configuración óptima:
 | text_det_unclip_ratio | 0.0 | 1.5 | -1.5 (fijado) |
 | text_rec_score_thresh | **0.6350** | 0.5 | +0.135 |
 
-*Fuente: Análisis del notebook.*
+*Fuente: Análisis de [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results) generados por [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py).*
 
 #### Análisis de Correlación
 
@@ -628,7 +633,7 @@ Se calculó la correlación de Pearson entre los parámetros continuos y las mé
 | `text_rec_score_thresh` | -0.161 | Correlación débil negativa |
 | `text_det_unclip_ratio` | NaN | Varianza cero (valor fijo) |
 
-*Fuente: Análisis del notebook.*
+*Fuente: Análisis de [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results) generados por [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py).*
 
 **Tabla 24.** *Correlación de parámetros con WER.*
 
@@ -638,7 +643,7 @@ Se calculó la correlación de Pearson entre los parámetros continuos y las mé
 | `text_det_box_thresh` | +0.227 | Correlación débil positiva |
 | `text_rec_score_thresh` | -0.173 | Correlación débil negativa |
 
-*Fuente: Análisis del notebook.*
+*Fuente: Análisis de [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results) generados por [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py).*
 
 **Hallazgo clave**: El parámetro `text_det_thresh` muestra la correlación más fuerte (-0.52 con ambas métricas), indicando que valores más altos de este umbral tienden a reducir el error. Este umbral controla qué píxeles se consideran "texto" en el mapa de probabilidad del detector.
 
@@ -653,7 +658,7 @@ El parámetro booleano `textline_orientation` demostró tener el mayor impacto e
 | True | 3.76% | 7.12% | 12.73% | 32 |
 | False | 12.40% | 14.93% | 21.71% | 32 |
 
-*Fuente: Análisis del notebook.*
+*Fuente: Análisis de [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results) generados por [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py).*
 
 **Interpretación:**
 
@@ -741,7 +746,7 @@ optimized_config = {
 | PaddleOCR (Baseline) | 7.78% | 92.22% | 14.94% | 85.06% |
 | PaddleOCR-HyperAdjust | **1.49%** | **98.51%** | **7.62%** | **92.38%** |
 
-*Fuente: Ejecución final en notebook `src/paddle_ocr_fine_tune_unir_raytune.ipynb`.*
+*Fuente: Validación final. Código en [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py), resultados en [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results).*
 
 #### Métricas de Mejora
 
@@ -823,9 +828,9 @@ Esta sección ha presentado:
 4. **Mejora final**: CER reducido de 7.78% a 1.49% (reducción del 80.9%)
 
 **Fuentes de datos:**
-- `src/paddle_ocr_fine_tune_unir_raytune.ipynb`: Código del experimento
-- `src/raytune_paddle_subproc_results_20251207_192320.csv`: Resultados de 64 trials
-- `src/paddle_ocr_tuning.py`: Script de evaluación
+- [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py): Script principal de optimización
+- [`src/raytune_ocr.py`](https://github.com/seryus/MastersThesis/blob/main/src/raytune_ocr.py): Librería de utilidades Ray Tune
+- [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results): Resultados CSV de los trials
 
 ## Discusión y análisis de resultados
 
@@ -1066,8 +1071,13 @@ Este capítulo ha presentado el desarrollo completo de la contribución:
 **Resultado principal**: Se logró alcanzar el objetivo de CER < 2% mediante optimización de hiperparámetros, sin requerir fine-tuning ni recursos GPU.
 
 **Fuentes de datos:**
-- `src/raytune_paddle_subproc_results_20251207_192320.csv`: Resultados de 64 trials
-- `src/paddle_ocr_fine_tune_unir_raytune.ipynb`: Notebook principal del experimento
+- [`src/run_tuning.py`](https://github.com/seryus/MastersThesis/blob/main/src/run_tuning.py): Script principal de optimización
+- [`src/results/`](https://github.com/seryus/MastersThesis/tree/main/src/results): Resultados CSV de los trials
+
+**Imágenes Docker:**
+- `seryus.ddns.net/unir/paddle-ocr-gpu`: PaddleOCR con soporte GPU
+- `seryus.ddns.net/unir/easyocr-gpu`: EasyOCR con soporte GPU
+- `seryus.ddns.net/unir/doctr-gpu`: DocTR con soporte GPU
 
 ### Validación con Aceleración GPU