[西安交通大学][高效贡献][PyTorch][VDSR]-初次提交 · Pull Request !1554 · Ascend/ModelZoo-PyTorch

# VDSR for PyTorch

- 参考实现：
  ```
  url=https://github.com/twtygqyy/pytorch-vdsr.git
  branch=master
  ```
# 准备训练环境

## 准备环境

- 当前模型支持的固件与驱动、 CANN 以及 PyTorch 如下表所示。

**表 1**  版本配套表

| 配套       | 版本                                                         |
  | ---------- | ------------------------------------------------------------ |
  | 固件与驱动 | [1.0.15](https://www.hiascend.com/hardware/firmware-drivers?tag=commercial) |
  | CANN       | [5.1.RC1](https://www.hiascend.com/software/cann/commercial?version=5.1.RC1) |
  | PyTorch    | [1.8.1](https://gitee.com/ascend/pytorch/tree/master/)

```
  pip install -r requirements.txt
  ```
## 准备数据集

1. 训练集。

本模型采用的训练集是T91数据集通过用Matlab双三次插值生成的，创建训练文件得到的，运行./data/generate_train.m 可生成自己的训练集，需要修改"folder=real_image_path", 也可使用已经生成过好的数据集文件，文件路径192.168.99.101物理机下'./forDocker/home/yxl/VDSR/data/train.h5'
2. 测试集。

本模型的测试集是Set5数据集，是由5张高分辨图片进行双三次插值生成，测试集应放在./VDSR文件夹下，测试集路径192.168.99.101物理机下'./forDocker/home/yxl/VDSR/Set5_mat'

**表 2**  训练结果展示表

我们分别输出了在不同尺度下，模型的PSNR（PSNR_predicted）与使用双三次插值法的PSNR（PSNR_bicubic）以做对比，结果表明，该模型简单有效。

| NAME    | PSNR_x2 |  PSBR_x3 | PSNR_x4 |  FPS | Epochs | AMP_Type |
| ------- | -----   | ------    | ------ | ----: | ------ | -------: |
| 1p-竞品 | 37.07   |  33.35     | 31.10  |2434   | 50     |        - |
| 1p-NPU  | 37.30   |  33.53    | 31.25   |4112   | 50     |       O1 |
| 8p-竞品 | 37.03   | 33.34     | 31.04   |10934  | 50     |        - |
| 8p-NPU  | 37.17   | 33.42     | 31.10   |6334   | 50     |       O1 |

# 自验报告
    ```shell    
    # 1p train perf
    # 正确输出了性能log文件
    bash test/train_performance_1p.sh --data_path=xxx --valdata=xxx
    # 验收结果： OK
    # 备注：验收测试性能1435FPS；无输出日志，运行报错，报错日志xx 等
    
    # 8p train perf
    # 正确输出了性能log文件
    bash test/train_performance_8p.sh --data_path=xxx --valdata=xxx
    # 验收结果： OK
    # 备注： 验收测试性能4385FPS；无输出日志，运行报错，报错日志xx 等

# 8p train full
    # 正确输出了性能精度log文件，是否正确保存了模型文件
    bash test/train_full_8p.sh --data_path=xxx --valdata=xxx
    # 验收结果： OK
    # 备注： 目标精度37.53, 33.66, 31.35；验收精度37.17, 33.42, 31.10；有输出日志等

# 8p eval
    # 正确输出了性能精度log文件
    bash test/train_eval_8p.sh --data_path=xxx --valdata=xxx --pth_path=xxx
    # 验收结果： OK 
    # 备注： 功能正确，无输出日志，运行报错，报错日志xx 等
    
    # finetuning
    # 正确执行迁移学习
    bash test/train_finetune_1p.sh --data_path=xxx --valdata=xxx --pth_path=xxx
    # 验收结果： OK 
    # 备注： 功能正确，无输出日志，运行报错，报错日志xx 等

```

Ascend/ModelZoo-PyTorch .gitee-modal { width: 500px !important; }

搜索帮助

Ascend/ModelZoo-PyTorch