使用 Parallel.ForEach 与 TPL.Dataflow 或其他解决方案将 OCR 应用于大量图像

Question

我正在创建一个应用程序来批处理 OCR 图像，现在我正在使用异步 Parallel.ForEach 方法遍历包含文件名和 OCR 字段的对象列表（打印输出） 'ed 文本。

我想知道这是否是解决此问题的最佳方式。我读过有关 TPL.Dataflow 的文章，虽然它看起来有点矫枉过正，但我想知道使用更复杂的方法是否更好，因为我可能会同时处理数百个文件，而且我不确定是否有数百个创建的任务是很好的做法。另外，我读过在 Parallel.ForEach 中使用 Interlocked.Increment 是不好的做法，我应该将其转换为 Parallel.For 吗？下面是我当前的实现：

private async void BatchOCR_Click(object sender, EventArgs e) {
   //some UI stuff
   source = new CancellationTokenSource();
   progressBar.Value = 0;
   int counter = 0;
   IProgress<int> progress = new Progress<int>(i => { progressBar.Value = (int)Math.Round((float)(i)*100 / fileList.Items.Count, 0); });

   await Task.Run(() => RunBatchOCR(ListOfPrintouts,progress,counter), source.Token);
   //some UI stuff
}

private async Task RunBatchOCR(List<Printout> printouts,IProgress<int> progress, int counter) {
   progress.Report(0);
   Parallel.ForEach(printouts, (printout,state) =>
      {
         try
         {
            source.Token.ThrowIfCancellationRequested();
         }
         catch
         {
            Console.WriteLine("Task was cancelled");
            cancelButton.Enabled = false;
            state.Break();
          }
          finally
          {
             Interlocked.Increment(ref counter);
          }
          printout.OcrHelper.runOCR(); //loads bitmap and extracts text
          progress.Report(counter);
          Console.WriteLine(counter.ToString());
    });
}

Answer 1

I'm not sure if having hundreds of tasks created is good practice

没关系。 Parallel 使用智能分区。

关于代码的其余部分，Interlocked 可以用作计数器，但您不想在没有互锁障碍的情况下访问相同的变量 。 CancellationToken 代码需要简化：

private async Task RunBatchOCR(List<Printout> printouts, IProgress<int> progress) { int counter = 0; progress?.Report(0); try { Parallel.ForEach(printouts, new ParallelOptions { CancellationToken = source.Token }, printout => { printout.OcrHelper.runOCR(); //loads bitmap and extracts text var update = Interlocked.Increment(ref counter); progress?.Report(update); Console.WriteLine(update.ToString()); }); } catch (OperationCanceledException) { Console.WriteLine("Task was cancelled"); cancelButton.Enabled = false; } }

使用 Parallel.ForEach 与 TPL.Dataflow 或其他解决方案将 OCR 应用于大量图像

Using Parallel.ForEach vs TPL.Dataflow or other solution for applying OCR to large number of images

c#

winforms

task-parallel-library