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.