博客
关于我
VmambaIR 代码复现
阅读量:461 次
发布时间:2019-03-06

本文共 2114 字,大约阅读时间需要 7 分钟。

Deraining项目配置与训练指南

环境配置

首先,确保你的开发环境已经准备好。以下是需要安装的软件和依赖:

  • 安装conda环境

    conda create -n vmambair python=3.9
    conda activate vmambair
  • 安装PyTorch和相关库

    pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121
  • 克隆并安装项目

    cd kernels/selective_scan
    pip install .

    接着进入Deraining目录,运行以下命令安装依赖:

    cd Deraining
    pip install timm fvcore
  • 训练准备

  • 创建训练配置文件

    根据项目需求,创建Deraining.yml文件。以下是示例配置内容:

    # 项目名称或配置名称
    name: Deraining_Restormer
    # 模型类型
    model_type: ImageCleanModel
    # 缩放比例(通常用于超分辨率任务,这里是1,表示不缩放)
    scale: 1
    # 训练时使用的GPU数量,设置为0表示CPU模式
    num_gpu: 1
    # 随机种子,用于保证实验的可复现性
    manual_seed: 100
    # 数据集类型
    type: Dataset_PairedImage
    # 高质量(Ground Truth)图像的路径
    dataroot_gt: /root/autodl-tmp/VmambaIR-main/Deraining/Dataset/train/B
    # 低质量(输入)图像的路径
    dataroot_lq: /root/autodl-tmp/VmambaIR-main/Deraining/Dataset/train/A
    # 是否开启几何增强(如旋转、翻转等)
    geometric_augs: true
    # 文件名模板,用于匹配图像文件名
    filename_tmpl: '{}'
    # 输入输出后端类型,这里是磁盘存储
    io_backend: type: disk
    # 数据 loader 设置
    use_shuffle: true
    num_worker_per_gpu: 4
    batch_size_per_gpu: 2
    # 渐进式训练设置
    mini_batch_sizes: [8,5,4,2,1,1]
    iters: [92000,64000,48000,36000,36000,24000]
    gt_size: 384
    gt_sizes: [128,160,192,256,320,384]
    # 训练设置
    total_iter: 300
    warmup_iter: -1
    use_grad_clip: true
    # 学习率调度器类型
    scheduler: type: CosineAnnealingRestartCyclicLR
    periods: [92000, 208000]
    restart_weights: [1,1]
    eta_mins: [0.0003,0.000001]
    # 数据增强设置
    mixing_augs: mixup: false
    mixup_beta: 1.2
    use_identity: true
    # 优化器设置
    optim_g: type: AdamW
    lr: !!float 3e-4
    weight_decay: !!float 1e-4
    betas: [0.9, 0.999]
    # 损失函数设置
    pixel_opt: type: L1Loss
    loss_weight: 1
    reduction: mean
    # 验证设置
    val: window_size: 8
    val_freq: !!float 4e3
    save_img: false
    rgb2bgr: true
    use_image: true
    max_minibatch: 8
    metrics: psnr: type: calculate_psnr
    test_y_channel: true
    # 日志设置
    logger: print_freq: 1000
    save_checkpoint_freq: !!float 4e3
    use_tb_logger: true
    # 排队训练设置
    dist_params: backend: nccl
    port: 29500
  • 启动训练命令

    python basicsr/train.py -opt /root/autodl-tmp/VmambaIR-main/Deraining/Options/Deraining.yml
  • 测试命令

  • 单次测试

    python test.py
  • 批量测试

    如果需要进行批量测试,请参考项目文档中的test.sh脚本,并根据实际需求调整参数。

  • 通过以上步骤,你可以成功配置并运行Deraining项目的训练和测试流程。如果在配置过程中遇到问题,请参考项目文档或社区获取进一步帮助。

    转载地址:http://douyz.baihongyu.com/

    你可能感兴趣的文章
    mysql 审核_审核MySQL数据库上的登录
    查看>>
    mysql 导入 sql 文件时 ERROR 1046 (3D000) no database selected 错误的解决
    查看>>
    mysql 导入导出大文件
    查看>>
    MySQL 导出数据
    查看>>
    mysql 将null转代为0
    查看>>
    mysql 常用
    查看>>
    MySQL 常用列类型
    查看>>
    mysql 常用命令
    查看>>
    Mysql 常见ALTER TABLE操作
    查看>>
    MySQL 常见的 9 种优化方法
    查看>>
    MySQL 常见的开放性问题
    查看>>
    Mysql 常见错误
    查看>>
    mysql 常见问题
    查看>>
    MYSQL 幻读(Phantom Problem)不可重复读
    查看>>
    mysql 往字段后面加字符串
    查看>>
    mysql 快照读 幻读_innodb当前读 与 快照读 and rr级别是否真正避免了幻读
    查看>>
    MySQL 快速创建千万级测试数据
    查看>>
    mysql 快速自增假数据, 新增假数据,mysql自增假数据
    查看>>
    MySql 手动执行主从备份
    查看>>
    Mysql 批量修改四种方式效率对比(一)
    查看>>