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 --> instructions["instructions/"]
    root --> scripts["Scripts generación"]

    src --> nb1["paddle_ocr_fine_tune_unir_raytune.ipynb"]
    src --> py1["paddle_ocr_tuning.py"]
    src --> csv["raytune_paddle_subproc_results_*.csv"]

    scripts --> gen1["generate_mermaid_figures.py"]
    scripts --> gen2["apply_content.py"]

Descripción de componentes:

docs/: Capítulos de la tesis en Markdown (estructura UNIR)
src/: Código fuente de experimentación
- paddle_ocr_fine_tune_unir_raytune.ipynb: Notebook principal con 64 trials Ray Tune
- paddle_ocr_tuning.py: Script CLI para evaluación OCR
- raytune_paddle_subproc_results_20251207_192320.csv: Resultados de optimización
instructions/: Plantilla e instrucciones UNIR
Scripts de generación: generate_mermaid_figures.py y apply_content.py para generar el documento TFM

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

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

A.5 Licencia

El código se distribuye bajo licencia MIT.

2.2 KiB Raw Blame History