# OCR на CPU или GPU: где ускоритель меняет весь процесс

OCR на CPU и GPU: как сравнить рендеринг PDF, распознавание, постобработку, качество текста и скорость получения проверенного документа.

Автор: Команда Retrivium
Обновлено: 2026-11-01
Канонический URL: https://retrivium.ai/ru/journal/ocr-gpu-vs-cpu/
Language: ru

OCR на CPU и GPU сравнивают по всему пути документа: подготовка страниц, распознавание, восстановление структуры и сохранение результата. Ускоритель помогает только тем этапам, которые действительно используют поддерживаемый GPU-backend. Покупка карты не ускоряет любой OCR-процесс автоматически.

Для владельца свободного сервера полезно сначала найти этап, ограничивающий общую скорость. Иногда очередь ждёт рендеринга PDF или записи файлов, пока GPU не получает достаточно подготовленных страниц.

## Разделите конвейер на этапы

Отметьте чтение исходного файла, преобразование страницы в изображение, подготовку изображения, распознавание и формирование выходного документа. Каждый этап измеряйте отдельно и вместе с остальными. Для многопоточной обработки сохраняйте также полное время пакета.

[Документация PaddleOCR](https://www.paddleocr.ai/latest/en/version3.x/pipeline_usage/OCR.html) содержит выбор устройства и компонентов обработки. [FAQ Tesseract](https://tesseract-ocr.github.io/tessdoc/FAQ.html) отдельно рассматривает скорость CPU и число потоков. Эти проекты нельзя считать одной и той же программой, которая различается только названием устройства.

## Сравнивайте сопоставимые режимы

| Вариант | Что фиксировать | Что нельзя заключить без проверки |
| --- | --- | --- |
| Один движок на CPU и GPU | Одинаковые модели и подготовка | Что качество всегда совпадает |
| Tesseract и PaddleOCR | Версии, языки и набор страниц | Что разница вызвана только GPU |
| Одна и несколько очередей | Число процессов и память | Что скорость растёт линейно |
| Полный PDF и готовые изображения | Граница измерения | Что результаты одинаково описывают пользователя |

Проводите отдельное сравнение оборудования и отдельное сравнение движков. Смешанный тест может быть полезен для выбора решения, но его вывод должен честно относиться ко всему процессу.

## Подготовьте размеченный набор

Включите обычные страницы, мелкий шрифт, таблицы, поворот и шум, если они встречаются в архиве. Для части страниц сохраните правильный текст. Ошибка в номере документа или сумме может быть важнее среднего числа распознанных символов.

Для условного пилота удобно выделить двадцать разнообразных страниц, затем расширить проверку после разбора ошибок. Это размер учебного примера, а не достаточный объём для доказательства качества любого архива. Долю сложных документов выбирают по реальному составу данных.

## Измерьте ограничивающий этап

Если подготовка страницы занимает больше времени, чем её распознавание, сначала проверьте очередь подготовки и загрузку CPU. Увеличение GPU-пакета может повысить потребление памяти, не сократив ожидание входов. Аналогично медленный накопитель способен ограничить выдачу результата.

Сохраняйте страницы в минуту только вместе с размером изображения, моделями и требованиями к выходу. PDF с текстовым слоем и набор изображений имеют разный объём полезной работы, даже когда число страниц совпадает.

## Выберите конфигурацию по документу

Решение принимают по времени до проверенного документа и ресурсу на полный пакет. Отдельно отмечают неуспешные страницы и повторную обработку: высокая скорость с большим количеством ручных исправлений может оказаться неподходящей.

Для подготовки оборудования полезны [сведения о CPU и GPU для LLM](/ru/journal/cpu-llm-inference-use-cases/) и [методика измерения инференса](/ru/journal/inference-benchmark-method/).