unir/MastersThesis
0
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

deliberable_04_01_2026
All checks were successful
build_docker / essential (push) Successful in 1s
Details
build_docker / build_paddle_ocr (push) Successful in 5m12s
Details
build_docker / build_paddle_ocr_gpu (push) Successful in 20m54s
Details
build_docker / build_easyocr (push) Successful in 18m19s
Details
build_docker / build_doctr (push) Successful in 19m49s
Details
build_docker / build_easyocr_gpu (push) Successful in 24m6s
Details
build_docker / build_raytune (push) Successful in 4m10s
Details
build_docker / build_doctr_gpu (push) Successful in 16m26s
Details

Browse Source 
Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
This commit is contained in:
Sergio Jimenez Jimenez
2026-02-04 18:43:22 +01:00
parent 9ee2490097
commit d746a3c73f
55 changed files with 2273 additions and 1720 deletions
Download Patch File Download Diff File Expand all files Collapse all files

15
docs/metrics/metrics.md
View File

@@ -29,7 +29,7 @@
| Tarea | Tiempo GPU | Costo AWS | Costo Colab Pro |
|-------|------------|-----------|-----------------|
| Ajuste hiperparámetros (64×3 trials) | ~3 horas | ~$1.58 | ~$3.90 |
| Ajuste hiperparámetros (64x3 trials) | ~3 horas | ~$1.58 | ~$3.90 |
| Evaluación completa (45 páginas) | ~5 min | ~$0.04 | ~$0.11 |
| Desarrollo/debug (20 horas/mes) | 20 horas | ~$10.52 | ~$26.00 |
@@ -68,7 +68,7 @@ Este documento presenta resultados de dos fases experimentales distintas realiza
*Fuente: Elaboración propia.*
La fase de optimización representa el **resultado principal del TFM** (CER 1.49%, precisión 98.51%). La fase de validación GPU confirma la viabilidad práctica del enfoque, demostrando una aceleración de 126x respecto a CPU.
La fase de optimización representa el **resultado principal del TFM** (CER 1.49%, precisión 98.51%). La fase de validación GPU confirma la viabilidad práctica del enfoque. La aceleración respecto a CPU se estima en 82x cuando se compara el tiempo medio por página de los trials de ajuste en CPU y GPU.
## Comparación de Servicios OCR
@@ -180,13 +180,12 @@ flowchart LR
## Rendimiento CPU vs GPU (PaddleOCR)
Datos de `raytune_paddle_subproc_results_20251207_192320.csv` (CPU) vs RTX 3060 (GPU):
Datos de tiempos de los trials de ajuste en CPU (`raytune_paddle_subproc_results_20251207_192320.csv`) frente a GPU (RTX 3060):
| Métrica | CPU | GPU (RTX 3060) | Aceleración |
|---------|-----|----------------|-------------|
| **Tiempo/Página** | 69.4s | 0.55s | **126x más rápido** |
| **Mejor CER** | 1.15% | 0.79% | GPU mejor |
| **45 páginas** | ~52 min | ~25 seg | **126x más rápido** |
| **Tiempo/Página** | 69.4s | 0.84s | **82x más rápido** |
| **45 páginas** | ~52 min | ~38 seg | **82x más rápido** |
```mermaid
---
@@ -204,10 +203,10 @@ xychart-beta
title "Tiempo de Procesamiento por Página: CPU vs GPU"
x-axis ["CPU", "GPU (RTX 3060)"]
y-axis "Segundos" 0 --> 80
bar [69.4, 0.55]
bar [69.4, 0.84]
```
> **Conclusión:** GPU es esencial para uso práctico de OCR. El procesamiento en CPU es 126x más lento, haciéndolo impráctico para procesamiento por lotes.
> **Conclusión:** GPU es esencial para uso práctico de OCR. En los trials de ajuste, el procesamiento en CPU es 82x más lento.
## Datos Crudos del Benchmark