SR_ESRGAN運行指南

介紹

ESRGAN是一個較新的的低分辨率轉高分辨率的GAN模型，在SRGAN的基礎上做了增強怯伊。
其論文在ESRGAN論文
其代碼在ESRGAN倉庫掠械，該倉庫只提供了簡單的demo測試代碼惯豆。完整的訓練和測試代碼在BasicSR倉庫中。
如果要進一步學習，給出2篇論文綜述作為參考：
綜述1
綜述2

初次運行ESRGAN

安裝環(huán)境

conda install numpy
pip install opencv-python==3.4.5.20
conda install python-lmdb
pip install tensorboardX

# 進入 https://pytorch.org/get-started/locally/ 找到安裝pytorch合適的指令。我這里原來是Linux conda python3.6 CUDA10
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
# 然而由于conda鏡像沒了，需要用pip了
pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp37-cp37m-linux_x86_64.whl
pip3 install https://download.pytorch.org/whl/cu100/torchvision-0.3.0-cp37-cp37m-linux_x86_64.whl

拉代碼git clone https://github.com/xinntao/ESRGAN.git

下載模型到models中
https://pan.baidu.com/s/1-Lh6ma-wXzfH8NqeBtPaFQ
運行下面的代碼贮尉，結果在result中。
python test.py models/RRDB_ESRGAN_x4.pth
python test.py models/RRDB_PSNR_x4.pth

初次使用BasicSR測試ESRGAN(SRGAN)模型

拉代碼 git clone https://github.com/xinntao/BasicSR.git
進入codes文件夾cd codes

修改 options/test/test_ESRGAN.json

datasets dataroot_HR 將后面路徑改為自己的訓練數(shù)據(jù)文件夾朴沿，文件夾內存放的是png文件绘盟；或者改為lmdb文件。
path root 改為自己的BasicSR項目路徑
將剛剛在ESRGAN中用到的model放到pretrain_model_G的目錄下面悯仙。
其他暫時不用動，我本機配置如下所示吠卷。

{
    "name": "RRDB_ESRGAN_x4"
    , "suffix": "_ESRGAN"
    , "model": "srragan"
    , "scale": 4
    , "gpu_ids": [0]

    , "datasets": {
        "test_1": { // the 1st test dataset
        "name": "set5"
        , "mode": "LRHR"
        , "dataroot_HR": "/root/addition_store/DIV2K_train_HR"
        }
    }

    , "path": {
        "root": "/home/student_docker/zlh/BasicSR"
        , "pretrain_model_G": "../experiments/pretrained_models/RRDB_ESRGAN_x4.pth"
    }

    , "network_G": {
        "which_model_G": "RRDB_net" // RRDB_net | sr_resnet
        , "norm_type": null
        , "mode": "CNA"
        , "nf": 64
        , "nb": 23
        , "in_nc": 3
        , "out_nc": 3

        , "gc": 32
        , "group": 1
    }
}

運行測試代碼 python test.py -opt options/test/test_ESRGAN.json
如果需要跑其他的測試代碼锡垄，見其他測試

測試成功

訓練ESRGAN(SRGAN)模型

準備數(shù)據(jù)（DIV2K）

從DIV2K official page或者百度云下載
有幾個方法可以讓IO速度變快
1. 將HDD改成SSD
2. 將圖片數(shù)據(jù)集改成更小的子圖切片（sub-images）。見3和4
3. 將原始數(shù)據(jù)改成lmdb格式祭隔。見5和6

修改codes/scripts/extract_subimgs_single.py文件的路徑

input_folder = '/root/addition_store/DIV2K_train_HR' # 輸入圖片路徑
save_folder = '/root/addition_store/DIV2K_train_HR_sub' # 輸出圖片路徑

運行 python scripts/extract_subimgs_single.py 執(zhí)行切片操作

修改codes/scripts/create_lmdb.py

img_folder = '/root/addition_store/DIV2K_train_HR_sub/*'  # glob matching pattern
lmdb_save_path = '/root/addition_store/DIV2K_train_HR_sub.lmdb'  # must end with .lmdb
mode = 2

運行 python scripts/create_lmdb.py 將數(shù)據(jù)改成lmdb格式

訓練

修改options/train/train_ESRGAN.json

"name": "002_RRDB_ESRGAN_x4_DIV2K"
"train" "dataroot_HR": "/root/addition_store/DIV2K_train_HR_sub.lmdb"
"val" "dataroot_HR": "/root/addition_store/DIV2K_valid_HR"
"path" "root": "/home/student_docker/zlh/BasicSR"

運行 python train.py -opt options/train/train_ESRGAN.json

運行成功
tensorboard可視化 tensorboard --logdir=../tb_logger
進入http://localhost.localdomain:6006可看到訓練過程

tensorboard可視化

參考

ESRGAN倉庫
 BasicSR倉庫
 代碼結構介紹

最后編輯于：2019.05.29 17:58:26

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者