用途：OCRNet 用于场景文字识别，从已裁剪好的文本区域图像中识别文字内容，支持 CTC 和基于注意力的解码器。
主要能力：提供 dataset_convert、train、retrain、evaluate、inference、export、prune、quantize、gen_trt_engine 等动作；其中 evaluate、inference、export 及部署流程留在本模型技能内，训练动作在满足条件时默认路由到 tao-skill-bank:tao-run-automl。
使用方式：数据集类型为 ocrnet。若使用原始图像加 gt 文件，需先运行 dataset_convert 生成 LMDB。设置 train.pretrained_model_path 加载预训练 OCR 权重。每个动作都必须在 spec_overrides 中按资料给出的表格构造数据源路径，例如 train 需提供 dataset.train_dataset_dir、dataset.val_dataset_dir、dataset.character_list_file。charactor_list 决定输出词表大小，训练数据中的所有字符必须出现在 character_list 文件中。model.prediction 选择 CTC 或 Attn，model.backbone 默认 ResNet，train.optim.lr 默认 1.0（Adadelta），dataset.batch_size 默认 16。
AutoML：模型层通过 references/skill_info.yaml 中的 automl_enabled 声明启用。运行前读取该文件并解析 automl_policy（显式值或用户请求）。诸如“关闭 AutoML”“disable AutoML”“no HPO”“plain training”视为本次运行的 automl_policy: off，否则默认 auto。当 automl_policy 为 auto、automl_enabled 为 true 且 schemas/train.schema.json 与 references/spec_template_train.yaml 均已打包时，训练默认经 tao-run-automl 路由；仅当 automl_policy: off 或缺少打包的 train schema/模板时才直接训练，后者应报告 AutoML 已启用但暂不可运行。
多 GPU：由 Lightning 管理，单 Python 进程启动。train.num_gpus 默认 1，train.gpu_ids 默认 [0]，train.distributed_strategy 默认 auto；无显式 num_nodes，面向单节点。
硬件：至少 1 块 GPU，推荐 1 块，每块 8GB 以上显存，文字识别模型较轻量。
部署：涉及 TAO Deploy 的 TensorRT 动作（gen_trt_engine、TensorRT 评估与 TensorRT 推理）前，先阅读 references/tao-deploy-ocrnet.md，部署 spec 模板位于该技能的 references/ 文件夹，前缀为 spec_template_deploy_*.yaml。
限制：若缺少打包的训练 schema 与模板，AutoML 无法运行。推理映射应写在本技能说明中，不要写回 config.json，也不要修改生成的 runner 脚本去猜测检查点路径；父模型应通过 parent_job_id 传入。缺失信息：未提供具体安装命令、收费与价格说明。