赞
踩
github: GitHub - Li-Chongyi/Dehamer
1、克隆项目
- cd ~
- git clone https://github.com/Li-Chongyi/Dehamer.git
2、配置虚拟环境(GTX1050内存不足无法训练,RTX4070可以训练但要CUDA版本cuda11+)
- cd ~/Dehamer
- conda env create -f environment.yaml
- conda activate dehamer
- conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge
3、下载作者训练好的模型(提取码:1tap)
https://pan.baidu.com/s/1i6A_Vjq-WUSLUJYMyYvlew
放入Dehamer中(文件结构如下)
- Dehamer
- |- ckpts
- |- dense
- |- PSNR1662_SSIM05602.pt
- |- NH
- |- PSNR2066_SSIM06844.pt
- |- indoor
- |- PSNR3663_ssim09881.pt
- |- outdoor
- |- PSNR3518_SSIM09860.pt
如果你想自己训练训练数据集
(0,1表示使用GPU0和GPU1,--dataset-name指定数据集名称, --train-dir和--valid-dir指定数据集训练文件路径和测试文件路径,--ckpt指定训练模型存放位置)
CUDA_VISIBLE_DEVICES=0,1 python src/train.py \ --dataset-name NH \ --train-dir ./data/train_NH/ \ --valid-dir ./data/valid_NH/ \ --ckpt-save-path ../ckpts \ --ckpt-overwrite \ --nb-epochs 5000 \ --batch-size 2\ --train-size 800 1200 \ --valid-size 800 1200 \ --loss l1 \ --plot-stats \ --cuda
4、测试数据集(0代表使用GPU0,NH表示指定数据集NH)
- CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py \
- --dataset-name NH
5、测试经典图片和自定义图片(0代表使用GPU0,mypicture表示你自己的图片路径)
- CUDA_VISIBLE_DEVICES=0 python src/test_PSNR.py \
- --dataset-name our_test -t mypicture
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。