众所周知，要进行任何训练，首先需要一个数据集。如何建立合适的 Deep OCR 数据集？
从 Deep Learning Tool 22.06 开始，您可以使用 Deep OCR 标记的新功能。有两种可能的使用方式：
- 您可以从头开始创建 Deep OCR 数据集：只需在 Deep Learning Tool 中初始化一个 Deep OCR 项目（参见屏幕截图），然后加载想要标记的图像即可。为了进行标记，需要沿读取方向在单词周围绘制一个矩形，工具会给出文本建议，您可对其进行修正或确认（参见屏幕截图）。
- 另外，您也可以使用标准示例 deep_ocr_prelabel_dataset.hdev。它会根据要标记的图像和预训练的 Deep OCR 给出的文本建议创建一个数据集。您可以将创建的数据集（hdict 文件）导入 Deep Learning Tool 22.06，并对建议的标记进行修正。
一般而言，训练图像应包括可代表推理过程中各种可能性的集合。此外，建议使用平衡的数据集，也就是所有字符的出现次数大致相同。当然，出色的结果需要良好的标记。良好的真值边界框看起来应当像是 Deep OCR 检测模型的输出（参见屏幕截图）。如果对数据集感到满意，您需要将数据集导出为 hdict 文件，然后进入下一步，也就是训练。
