概述
简述
SwinIR是一个使用Swin转变的经典的图像复原网络。
参考实现:
url=https://github.com/JingyunLiang/SwinIR.git commit_id=9b1a9bf5d1df3b18c32a49ea82f60c313d779f7d
适配昇腾 AI 处理器的实现:
url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/others
通过Git获取代码方法如下:
git clone {url} # 克隆仓库的代码 cd {code_path} # 切换到模型代码所在路径,若仓库下只有该模型,则无需切换
通过单击“立即下载”,下载源码包。
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 5.1.RC2 CANN 5.1.RC2 PyTorch 1.5.0 环境准备指导。
请参考《Pytorch框架训练环境准备》。
安装依赖。
pip install -r requirements.txt
准备数据集
获取数据集。
用户自行获取原始数据集,可选用的开源数据集包括DIV2K,Set5等,将数据集上传到服务器任意路径下并解压。
以DIV2K和Set5数据集为例,DIV2K数据集目录结构参考如下所示。
├── DIV2K │ ├──DIV2K_test_LR_bicubic │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_test_LR_unknown │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_HR │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_LR_bicubic │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_LR_unknown │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ...
Set5数据集目录结构参考如下所示。
├── Set5 │ ├──GTmod12 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx2 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx3 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx4 │ │ ├──图片1、2、3、4 ... │ ├──original │ │ ├──图片1、2、3、4 ...
说明: 该数据集的训练过程脚本只作为一种参考示例。
开始训练
训练模型
进入解压后的源码包根目录。
cd /${模型文件夹名称}
运行训练脚本。
该模型支持单机单卡训练和单机8卡训练。
单机单卡训练
启动单卡训练。
bash ./test/train_full_1p.sh --data_path1=./DIV2K --data_path2=./Set5
单机8卡训练
启动8卡训练。
bash ./test/train_full_8p.sh --data_path1=./DIV2K --data_path2=./Set5
模型训练脚本参数说明如下。
公共参数: --data_path1 //训练数据集路径 --data_path2 //训练过程中用于测试模型精度的数据集路径
训练完成后,权重文件保存在当前路径下,并输出模型训练精度和性能信息。
训练结果展示
表 2 训练结果展示表
NAME | Acc@1 | FPS | Epochs | AMP_Type |
---|---|---|---|---|
1p-v100 | 38.23dB | 15.09 | 300 | - |
1p-910 | 37.62dB | 8.88 | 300 | O2 |
8p-v100 | 38.23dB | 109.58 | 300 | - |
8p-910 | 37.63dB | 63.83 | 300 | O2 |
版本说明
变更
2022.09.15:首次发布。
已知问题
无。
公网地址说明
代码涉及公网地址参考 public_address_statement.md