diff --git a/thesis_output/plantilla_individual.htm b/thesis_output/plantilla_individual.htm index 888c95a..0ac161c 100644 --- a/thesis_output/plantilla_individual.htm +++ b/thesis_output/plantilla_individual.htm @@ -5845,7 +5845,7 @@ bibliográficas
Anexo A. Código fuente y datos analizados
Este anexo proporciona la información técnica necesaria para reproducir los experimentos descritos en este trabajo. Se incluyen las instrucciones de instalación, configuración de los servicios OCR dockerizados, ejecución de los scripts de optimización y acceso a los resultados experimentales.
-Todo el código fuente y los datos utilizados en este trabajo están disponibles públicamente en el siguiente repositorio:
URL del repositorio: https://seryus.ddns.net/unir/MastersThesis
El repositorio incluye:
@@ -5854,7 +5854,7 @@ major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latin· Scripts de ajuste: Ray Tune con Optuna para optimización de hiperparámetros
· Dataset: Imágenes y textos de referencia utilizados
· Resultados: Archivos CSV con los resultados de los 64 trials por servicio
-Figura 16. Estructura del repositorio MastersThesis

Fuente: Repositorio del proyecto.
Tabla 55. Especificaciones del sistema de desarrollo.
@@ -5883,8 +5883,8 @@ major-latin;mso-bidi-font-family:"Calibri Light";mso-bidi-theme-font:major-latinFuente: src/paddle_ocr/requirements.txt, src/raytune/requirements.txt, src/doctr_service/requirements.txt, src/easyocr_service/requirements.txt, src/README.md.
Imágenes Docker:
· GPU: seryus.ddns.net/unir/paddle-ocr-gpu
@@ -5923,7 +5923,7 @@ curl http://localhost:8002/health # Respuesta esperada: # {"status": "ok", "model_loaded": true, "gpu_name": "NVIDIA GeForce RTX 3060"} -# PaddleOCR - Evaluación completa
@@ -5951,7 +5951,7 @@ curl -X POST http://localhost:8002/evaluate_full \
"save_output": true
}'
cd src @@ -5978,7 +5978,7 @@ analyze_results(results, prefix='raytune_paddle', config_keys=PADDLE_OCR_CONFIG_
Nota: Debido a limitaciones de recursos GPU (VRAM insuficiente para ejecutar múltiples modelos OCR simultáneamente), solo se ejecuta un servicio a la vez. PaddleOCR y EasyOCR comparten el puerto 8002. Para cambiar de servicio, detener el actual con docker compose down.
-Esta sección presenta los resultados completos de las evaluaciones comparativas y del ajuste de hiperparámetros realizado con Ray Tune sobre los tres servicios OCR evaluados.
Fuente: Elaboración propia.
Las tablas de costos cloud se basan en las páginas oficiales de precios. Se consultaron en enero de 2026.
· AWS EC2 g4dn.xlarge: https://aws.amazon.com/ec2/instance-types/g4/
· Google Colab Pro: https://colab.research.google.com/signup
· Google Colab Pro+: https://colab.research.google.com/signup
-Requisitos extraidos de la documentacion oficial de las dependencias usadas:
· DocTR: requiere Python 3.10 o superior.
· DocTR Docker: imagenes basadas en CUDA 12.2, el host debe ser al menos 12.2.
· PaddleOCR: soporte de inferencia con CUDA 12.
· PaddleOCR: soporte de Python 3.12 en dependencias.
-El código se distribuye bajo licencia MIT.