毕设日志——2019年1月21日

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_27022241/article/details/86575694

                          毕设日志——2019年1月21日

                                                                    （2019.1.15~1.21总结）

一 、写DnCNN-SR 和xDnCNN-SR代码

分别适用于DnCNN-SR，xDnCNN-SR模型训练，scale = 2， 3， 4

1. 规范化DnCNN-SR，xDnCNN-SR训练去噪模型代码
    参考知乎博客PyTorch实战指南（https://zhuanlan.zhihu.com/p/29024978）

2. 增加评价指标SSIM（多尺度SSIM）
    batch_SSIM.py

3. visdom可视化
    （1）loss
    （2）PSNR和SSIM

4. 保存模型
    路径：'checkpoints'
    频率：每个batch

5. 保存日志信息于logs文件夹下
    （1）控制台信息：2019-01-14-17_00_49_console_log.txt
            每opt.print_freq个batch保存一次
    （2）参数配置信息：2019-01-14-17_00_49_config_log.txt

6. 增加运行时间显示
    （1）每个epoch显示一次训练时间
    （2）显示最终训练总时间

二、整理DnCNN-S&B 和xDnCNN-S&B代码

适用于DnCNN-S&B 和xDnCNN-S&B模型训练

1. 规范化DnCNN-S&B 和xDnCNN-S&B训练去噪模型代码
    参考知乎博客PyTorch实战指南（https://zhuanlan.zhihu.com/p/29024978）

2. 增加评价指标SSIM（多尺度SSIM）
    batch_SSIM.py

3. visdom可视化
    （1）loss
    （2）PSNR和SSIM

4. 保存模型
    路径：'checkpoints'
    频率：每个batch

5. 保存日志信息于logs文件夹下
    （1）控制台信息：2019-01-14-17_00_49_console_log.txt
            每opt.print_freq个batch保存一次
    （2）参数配置信息：2019-01-14-17_00_49_config_log.txt

6. 增加运行时间显示
    （1）每个epoch显示一次训练时间
    （2）显示最终训练总时间

三、训练模型

1.

2.

四 、图像复原常用数据集

链接