做书籍封皮的网站,百度竞价排名费用,新乡做网站推广的,网站建设合同要上印花税吗目录 一、源码包下载二、数据集准备三、预训练权重文件四、训练环境五、训练5.1 超参数修改5.2 训练模型5.2.1 命令方式训练5.2.2 Configuration配置参数方式训练 5.3 模型保存 六、推理测试6.1 超参数修改6.2 测试6.2.1 命令方式测试6.2.2 Configuration配置参数方式测试 6.3 … 目录 一、源码包下载二、数据集准备三、预训练权重文件四、训练环境五、训练5.1 超参数修改5.2 训练模型5.2.1 命令方式训练5.2.2 Configuration配置参数方式训练 5.3 模型保存 六、推理测试6.1 超参数修改6.2 测试6.2.1 命令方式测试6.2.2 Configuration配置参数方式测试 6.3 测试结果6.4 推理速度 七、总结 一、源码包下载
源码包有官网提供的和我自己修改过代码提供的建议学者直接下载我提供的源码包使用可以少走很多弯路。
官网源码包下载链接SAN官网
我提供的源码包网盘源码包提取码0g99
论文地址论文
我提供的源码包下载并解压后的样子如下 二、数据集准备
在我提供的源码包中有部分训练集和测试集位于根目录下的data_data文件夹中。DIV2K训练集官网提供的有900张图像我提供的源码包中有100张学者可以自己去官网下载完整版DIV2K数据集我这里提供主要是想告诉学者训练集目录结构关系如下 三、预训练权重文件
预训练权重文件子在源码包中已经提供存放位置如下分别有超分2倍3倍4倍的预训练权重模型。 四、训练环境
测代码框架必须在低版本的Pytorch中才能运行安装低版本的Pytorch如果遇到问题参考我另外一篇博文_update_worker_pids问题
我自己在Windows环境上训练并测试的运行环境如下 五、训练
5.1 超参数修改
该代码框架所有的路径都必须用绝对路径才能正确读取数据不信的倔驴试试 关于训练的所有超参数修改都在TrainCode文件夹下的option.py文件中学者自行根据自己情况修改其它超参数。
5.2 训练模型
5.2.1 命令方式训练
先在终端通过下面命令进入到训练脚本路径下
cd TrainCode在输入下面命令进行训练
ython main.py --model san --save save_name --scale 2 --n_resgroups 20 --n_resblocks 10 --n_feats 64 --reset --chop --save_results --patch_size 20 --cpu --batch_size 85.2.2 Configuration配置参数方式训练 上面两种填写配置参数的方式都可以训练学者根据个人喜好选择。
配置参数填写好后就可以直接训练了我自己是在CPU上训练的因为Pytorch版本太低牵连到CUDA和CuDNN版本不兼容的问题要重新配置环境等问题我懒得折腾了就直接用CPU训练测试了学者根据自己情况使用GPU或者CPU如果要用GPU把我提供的源码包main.py脚本中的代码注释了如下 5.3 模型保存
运行上面命令后等待一段时间就开始训练了如下 训练过程的模型权重会自动保存到根目录下的experiment文件夹中如下 六、推理测试
6.1 超参数修改
测试脚本有一个专门对应的配置文件名字也是option.py参数很多自行根据情况修改如下 下面是修改测试结果的保存路径这部分代码是我自己添加的官网源码包中没有保存测试结果的脚本如下 6.2 测试
6.2.1 命令方式测试
在终端输入以下命令进入到测试脚本的路径下
cd TestCode/code再输入以下命令后回车测试
python main.py --model san --data_test MyImage --save save_name --scale 4 --n_resgroups 20 --n_resblocks 10 --n_feats 64 --reset --chop --save_results --test_only --testpath F:/Code/Python/SAN/SAN/Test_Images/INF --testset Set5 --pre_train F:/Code/Python/SAN/SAN/experiment/save_name/model/model_best.pt --cpu上面命令中可以修改超分倍数–scale参数测试集路径–testpath训练好的模型权重路径–pre_train其它参数自行修改
6.2.2 Configuration配置参数方式测试 6.3 测试结果
运行过程如下 测试保存的结果图像在根目录Result_Images文件夹中如下 6.4 推理速度
我只在CPU上测试了推理速度图像大小12090超分4倍推理速度12s/fps。图像大小512512超分2倍推理速度39s/fps。
七、总结
以上就是超分辨率重建——SAN网络训练自己数据集及推理测试的详细图文教程欢迎留言讨论。
总结不易多多支持谢谢
