文章目录
Restormer代码训练和测试运行记录
文章及代码地址
文章名称：Restormer: Efficient Transformer for High-Resolution Image Restoration（CVPR 2022）
github代码地址： CVPR 2022–Oral] Restormer
我的百度网盘：链接：https://pan.baidu.com/s/1z89DzRazG2HBO8uBFUPJFg?pwd=k1fn
提取码：k1fn
我百度网盘代码所含内容：
- 创建了requirements.txt文件，除了torch，其他的依赖都包括其中。
- 为了下载谷歌数据集所需的gdrive安装包，go安装包。（只能在linux中使用）
- 包含单图像散焦去模糊的预训练权重，其他所有的权重文件单独放一个网盘来了，按需下载。
所有权重文件百度网盘：链接：https://pan.baidu.com/s/1Kjg8KhITGheXDjRZwp3rKA?pwd=1pof
提取码：1pof
1. 所需环境
3060 Laptop+WSL 22.04+ cuda 11.8 +~~PyTorch 1.8.1(无法使用)~~PyTorch 2.0.1 (可使用)
错误
错误一：3060 Laptop架构无法使用作者原有的PyTorch 1.8.1版本，会报错如下。我猜测30系显卡应该都会报错，因为30系显卡都是sm_86架构，PyTorch 1.8.1 只支持最高sm_75架构。
虽说安装1.8版本，可以通过 torch.cuda.is_abailable()查看返回是True，但是无法运行该代码。
/home/wang/miniconda3/envs/Restormer/lib/python3.8/site-packages/torch/cuda/__init__.py:104: UserWarning:
NVIDIA GeForce RTX 3060 Laptop GPU with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
2. 配置环境
-
克隆仓库，并进入该文件夹
git clone https://github.com/swz30/Restormer.git cd Restormer -
新建虚拟环境
conda create -n Restormer python=3.8 conda activate Restormer -
因为github没有给requirements.tet文件，因此我们自己创建一个。如果你通过网盘下载的文件夹，里面包含该requirements.tet文件，无需再次创建。
touch requirements.txt vim requirements.txt把如下内容复制，粘贴直接右键即可。
matplotlib scikit-learn scikit-image opencv-python yacs joblib natsort h5py tqdm einops gdown addict future lmdb numpy pyyaml requests scipy tb-nightly yapf lpips -
安装依赖
# 下面是作者的版本，因为30系显卡不支持PyTorch1.8了，咱们直接最新版吧。 # conda install pytorch=1.8 torchvision cudatoolkit=10.2 -c pytorch # PyTorch官网安装，这是适用于cuda 11.8的 2.0.1版本。 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install requirements.txt
-
安装basicsr，如果是windows可能会报错。
python setup.py develop --no_cuda_ext
安装成功之后如下图所示。
至此环境已经准备完成。
3. 安装gdrive以便下载数据集
备注：如果你只运行demo，就没必要使用gdrive了，可以不安装。或者你自己也已经有GoPro等数据集了，也不要安装这个。如果你有自己的模糊数据集，也不用安装这个。
从谷歌云盘下载文件，需要先安装Golang，然后使用Golang包管理工具“go”来安装“gdrive”。
-
安装 go
curl -O https://storage.googleapis.com/golang/go1.11.1.linux-amd64.tar.gz mkdir -p ~/installed tar -C ~/installed -xzf go1.11.1.linux-amd64.tar.gz mkdir -p ~/go -
将go添加到环境变量中
export GOPATH=$HOME/go export PATH=$PATH:$HOME/go/bin:$HOME/installed/go/bin具体来说，这两个环境变量的含义如下：
export GOPATH=$HOME/go：这个命令将设置一个名为 “GOPATH” 的环境变量，它的值为 “ H O M E / g o " ，其中 " HOME/go"，其中 " HOME/go"，其中"HOME” 表示当前用户的home目录。这个环境变量告诉编译器和其他工具在哪里寻找 Go 语言的源代码、二进制文件和其他相关资源。export PATH=$PATH:$HOME/go/bin:$HOME/installed/go/bin：这个命令将向系统的环境变量 “PATH” 中添加两个目录，分别为 “ H O M E / g o / b i n " 和 " HOME/go/bin" 和 " HOME/go/bin"和"HOME/installed/go/bin”。这些目录包含了一些与 Go 语言相关的可执行文件，例如 “go” 命令和 “gofmt” 命令等。通过将这些目录添加到 “PATH” 环境变量中，您可以在命令行中直接使用这些命令，而无需输入完整的路径。
-
安装 gdrive
go get github.com/prasmussen/gdrive从 GitHub 上下载一个名为 “gdrive” 的代码库，并将其安装到您的计算机上。
注意：上述代码可能无法使用。
那就通过手动安装，如下命令
wget https://github.com/prasmussen/gdrive/releases/download/2.1.1/gdrive_2.1.1_linux_386.tar.gz tar -xvf gdrive_2.1.1_linux_386.tar.gz sudo mv gdrive /usr/local/bin/ gdrive help
4. 放置权重文件
记得把权重文件放置在\Defocus_Deblurring\pretrained_models该目录下，本文只做了散焦去模糊的例子。
谷歌云盘地址：文件夹 - Google 云端硬盘（仅包含单图像散焦去噪权重）
因为我谷歌云盘不常用，上面的是作者提供的谷歌网盘，我保存到百度网盘中了，包含去噪、去雨、运动去模糊、散焦去模糊等全部预训练权重文件。
我的百度网盘：链接：https://pan.baidu.com/s/1Kjg8KhITGheXDjRZwp3rKA?pwd=1pof
提取码：1pof
5. 运行Demo
运行单图像散焦去模糊
如果你环境配置好了，就是第二步配置环境都已经完成，那就可以尝试运行demo了。
python demo.py --task Single_Image_Defocus_Deblurring --input_dir './demo/degraded/' --result_dir './demo/restored/'
该命令输入如下所示。
去模糊效果对比图。
训练、测试
下个博客一块再写吧，累了