Paddle OCR 推理模型转ONNX，固定shape后，ONNX结果相差很大，不固定shape，结果与paddle推理模型保持一致

[xiaoxianyu12]

请将下面信息填写完整，便于我们快速解决问题，谢谢！

问题描述 请在此处详细的描述报错信息 Paddle OCR 推理模型转ONNX，固定shape后，ONNX结果相差很大，不固定shape，结果与paddle推理模型保持一致，这个问题要怎么处理哇：

尝试了2种方法： ①先将paddle推理模型的动态shape转为固定shape，再转成ONNX； ②先将paddle推理模型转为ONNX,此时ONNX模型为动态shape，再使用paddle2onnx.optimize将ONNX动态shape改为固定shape

这两种方法得到的固定shape的ONNX结果都和动态shape的结果有差异，请问这个怎么解决，怎么能够让Paddle OCR的模型转为固定shape的ONNX并且结果保持一致

更多信息 :

• 用于部署的推理引擎:
• 为什么需要转换为ONNX格式：
• Paddle2ONNX版本:
• 你的联系方式(Email/Wechat/Phone):

报错截图

其他信息

[GreatV]

固定shape会导致paddleocr效果变差，建议使用动态shape

[ff-0028]

同样的问题，是否可以解答？

[Zheng-Bicheng]

@xiaoxianyu12 @ff-0028 固定Shape就是会导致模型的推理效果变差，这个是Rec模型的问题，没啥特别好的解决办法。

[xiaoxianyu12]

@Zheng-Bicheng @GreatV 我这边尝试了det使用动态shape，rec使用固定的，效果与动态的保持一致，这个det的动态的转成固定shape的会有什么问题吗，或者有什么办法进行修改的

[Zheng-Bicheng]

@Zheng-Bicheng @GreatV 我这边尝试了det使用动态shape，rec使用固定的，效果与动态的保持一致，这个det的动态的转成固定shape的会有什么问题吗，或者有什么办法进行修改的

Det模型一般用固定的没问题呀，如果实在追求效果，就用ONNXRuntime来跑吧

[Zheng-Bicheng]

一般的使用场景中，摄像头的width和height是固定的，所以det的输入大小也是固定的，差距应该会出现在rec模型