量化导出模型时报错TypeError: 'QAT' object is not subscriptable

[leesimeng]

报错如下，使用PP-OCRv3/en_PP-OCRv3_rec.yml进行量化训练，然后将其导出为inference_model模型
[2025/04/23 15:46:27] ppocr INFO: metric eval ***************
[2025/04/23 15:46:27] ppocr INFO: acc:0.9188640787248666
[2025/04/23 15:46:27] ppocr INFO: norm_edit_dis:0.9933991255575214
[2025/04/23 15:46:27] ppocr INFO: fps:199.93572715037868
Skipping import of the encryption module
Traceback (most recent call last):
File "/home/ubuntu/lsm/PaddleOCR/deploy/slim/quantization/export_model.py", line 189, in
main()
File "/home/ubuntu/lsm/PaddleOCR/deploy/slim/quantization/export_model.py", line 184, in main
export_single_model(model, arch_config, save_path, logger, input_shape, quanter)
File "/home/ubuntu/lsm/PaddleOCR/ppocr/utils/export_model.py", line 373, in export_single_model
if config["Global"].get("export_with_pir", False):
TypeError: 'QAT' object is not subscriptable

[GreatV]

根据你的报错信息：

TypeError: 'QAT' object is not subscriptable

这是在使用 PP-OCRv3 的量化训练配置（en_PP-OCRv3_rec.yml）后，尝试导出 inference_model 时遇到的典型错误。这个问题主要发生在 PaddleOCR 进行 QAT（Quantization Aware Training）后，导出模型（export_model）时访问 config["Global"]，但 config 被传成了一个 QAT 对象（class），而不是传统的 dict 类型。

问题分析

PP-OCR 上游的导出脚本中，假设 config 是 dict 或 yaml 解析出来的对象，但新版本量化相关流程会把 QAT（如 paddleslim.quant.QAT 对象）直接传给 export_single_model，导致下标引用报错。典型报错发生在：

if config["Global"].get("export_with_pir", False):  
# ↑ QAT对象不可下标访问/不是字典

---

解决方案

1. 检查 PaddleOCR 版本

• 建议升级到 PaddleOCR 最新版本：最近的 PaddleOCR 代码已修复了类似兼容性问题。请 git pull 或重新下载最新代码。
• 官方推荐的量化+导出+ONNX流程已经过多次迭代修正，避免使用过老脚本。

2. 快速绕过：手动修复代码

如果必须使用当前的代码，可以进入报错的 ppocr/utils/export_model.py，将相关导出条件修改为不依赖 config 下标。例如：

# 将
if config["Global"].get("export_with_pir", False):
# 改为
if hasattr(config, "get") and config.get("Global", {}).get("export_with_pir", False):
    ...

但实际上推荐直接用最新主分支的代码，很多地方做了类似兼容适配。

3. 使用后处理量化的模型导出方式

如果你是 QAT 过程训练的最好方式，推荐使用官方文档中：
量化模型导出说明 的方法，如

python tools/export_model.py -c your_config.yml -o Global.pretrained_model=./output/rec/best_accuracy Global.save_inference_dir=./inference/rec

这样可以避免用 deploy/slim/quantization/export_model.py 旧脚本，减少兼容性bug。

4. 相关 Issues/Discussions

• 同类问题讨论&解决参考：PaddleOCR量化模型转onnx报错
  这里很多量化/导出/ONNX 全流程和坑讨论，可以结合自己的数据比对环节。

---

总结与建议

主要原因是代码/配置对象类型不匹配，优先升级 PaddleOCR 到最新版，采用官方推荐量化和模型导出流程，遇到类型问题可手动适配，但推荐同步社区主分支。

如有模型导出成功但 onnx 推理出现 int8 权重不被支持问题，建议转用官方后处理量化（paddleslim.quant.quant_post_dynamic）后导出，但 onnxruntime 也需支持 int8 op，部分环境下仍需转换 float 模型。

如需全程可复现的量化导出 ONNX 教程，可参考官方quant化文档以及Discussions 13982。

如仍有报错，建议将 Paddle、PaddleSlim、PaddleOCR 全部升级至最新版后重试。

---

Response generated by 🤖 feifei-bot | gpt-4.1

⚠️ This is an AI-generated response. Please verify any critical information.