Tesseract lstmtraining--continue_from报错：希伯来语手写字体训练失败

错误根源分析 #

你遇到的错误有两个核心原因：

1. 脚本中lstmtraining命令被注释（前面的#导致命令未执行），后续参数被错误解析，引发路径读取异常；
2. 错误地将旧格式训练文件.tr传入--continue_from参数，该参数要求的是LSTM预训练模型文件（.lstm或.checkpoint格式），而非.tr文件。

修正后的完整训练流程 #

针对你的希伯来语手写字体训练场景，按以下步骤执行：

1. 确认前期文件生成正常

检查text2image和tesseract box.train步骤已成功生成output/2.tif、output/2.box、output/2.tr文件，无报错。

2. 提取预训练LSTM模型

从你已有的best版本heb.traineddata中提取LSTM核心模型：

combine_tessdata -e tessdata/heb.traineddata output/heb.lstm

3. 生成LSTM训练专用的.lstmf文件

将生成的tif转换为LSTM训练所需的格式：

tesseract output/2.tif output/2 -l heb lstm.train

执行后会得到output/2.lstmf文件。

4. 执行LSTM微调训练

lstmtraining ^
--continue_from output/heb.lstm ^
--traineddata tessdata/heb.traineddata ^
--train_listfile output/2.lstmf ^
--model_output output/heb_handwriting ^
--max_iterations 1000

（Windows环境用^作为换行符，若用WSL则替换为\）

5. 停止训练并生成最终模型

训练迭代完成后，生成可用的.traineddata文件：

lstmtraining ^
--stop_training ^
--continue_from output/heb_handwriting_checkpoint ^
--traineddata tessdata/heb.traineddata ^
--model_output output/heb_handwriting.traineddata

额外注意事项 #

• 检查Windows路径是否存在空格或特殊字符，必要时使用绝对路径；
• 确保langdata_lstm/heb目录下的语言数据文件完整；
• 若max_pages=2仅为POC测试，后续可增大页数提升模型效果。

内容的提问来源于stack exchange，提问作者roni