MastersThesis/docs/07_anexo_a.md

Anexo A. Código fuente y datos analizados

A.1 Repositorio del Proyecto

El código fuente completo y los datos utilizados en este trabajo están disponibles en el siguiente repositorio:

URL del repositorio: https://github.com/seryus/MastersThesis

El repositorio incluye:

• Notebooks de experimentación: Código completo de los experimentos realizados
• Scripts de evaluación: Herramientas para evaluar modelos OCR
• Dataset: Imágenes y textos de referencia utilizados
• Resultados: Archivos CSV con los resultados de los 64 trials de Ray Tune

A.2 Estructura del Repositorio

---
title: "Estructura del repositorio del proyecto"
---
flowchart LR
    root["MastersThesis/"] --> docs["docs/"]
    root --> src["src/"]
    root --> results["results/"]
    root --> instructions["instructions/"]
    root --> readme["README.md"]

    src --> nb1["paddle_ocr_fine_tune_unir_raytune.ipynb"]
    src --> py1["paddle_ocr_tuning.py"]
    src --> py2["dataset_manager.py"]
    src --> nb2["prepare_dataset.ipynb"]
    src --> csv["raytune_results_*.csv"]

Descripción de componentes:

• docs/: Capítulos de la tesis en Markdown
• src/: Código fuente (notebooks y scripts)
• results/: Resultados de benchmarks en CSV
• instructions/: Instrucciones y plantilla UNIR

A.3 Requisitos de Software

Para reproducir los experimentos se requieren las siguientes dependencias:

Componente	Versión
Python	3.11.9
PaddlePaddle	3.2.2
PaddleOCR	3.3.2
Ray	2.52.1
Optuna	4.6.0
jiwer	(última versión)
PyMuPDF	(última versión)

A.4 Instrucciones de Ejecución

1. Clonar el repositorio
2. Instalar dependencias: pip install -r requirements.txt
3. Ejecutar el notebook src/paddle_ocr_fine_tune_unir_raytune.ipynb

A.5 Licencia

El código se distribuye bajo licencia MIT.