support torch>=2.0

Merge pull request #241 from breezedeus/dev

support torch>=2.0

bug fixes

主要变更：

• 修复了识别很窄图片时异常的问题。
• 修复了对 torchvision 0.14 的兼容问题。

fix: not compatible with the new versions of torch and torchvision

Merge pull request #215 from breezedeus/dev

fix: not compatible with the new versions of torch and torchvision

加入对图片分类模型的支持

主要变更：

• 修复HTTP服务存在的问题，感谢 [@Sugobet](https://github.com/Sugobet) 。
• 增加图片分类模型，以及配套的训练和预测脚本，具体见 [图片分类工具](clf_command.md)。
• 适配了新版的pytorch_lightning接口，训练中引入torchmetrics计算各种指标。

加入FastAPI server

主要变更：

• 修复了一些bug。
• 加入了基于 FastAPI 的HTTP服务，使用命令 cnocr serve 启动HTTP服务，具体见 安装说明。
• 加入了一些工具脚本，如对截屏图片进行OCR，具体见 cnocr/scripts。

发布 cnocr V2.2

主要变更：

• CnOCR 内部集成 CnSTD 进行文本检测，降低使用门槛，提升适用场景的范围。
• 对诸多代码做了重构，同时也对文档进行了大幅度的优化。
• 更新了测试用例，清理了过期的用例。

发布 cnocr V2.1.2.1

• 修复 V2.1.2 bug：打包时忘记把 ppocr 模型相关的字符集文件打包进来了 😭。

加入了对 PaddleOCR 模型的支持

主要变更：

• 引入了对外部模型的支持，此版加入了对 PaddleOCR 模型的 ONNX 版本的支持，具体参见 可用模型；
• 新引入的模型支持识别竖排文字、繁体中文（部分模型），具体参见 可用模型。
• 模型输出结果的格式略有调整，具体参见 使用方法。

增加了对 ONNX 模型的支持

发布 cnocr V2.1.1.1

主要变更：

• 增加了对 ONNX 模型的支持，支持 *-fc 模型，提升预测速度；
• 类 CnOcr 的初始化中增加了参数 model_backend 和 vocab_fp，具体参见 使用方法 ；
• 增加了 cnocr export-onnx 命令，把训练好的PyTorch模型导出为ONNX模型；
• 去掉了对包 python-Levenshtein 的依赖。

use densenet_lite to achieve smaller and more accurate models

Merge pull request #160 from breezedeus/dev

v2.1: better models