COI实验室技能:图像到图像的深度学习开发框架(pytorch版)

Basic deep learning framework for image-to-image

这个开发框架旨在帮助科研人员快速地实现图像到图像之间的模型开发。

github连接:https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image

目录

1模型开发

1-1克隆项目到本地

(1)仓库右上角有个绿色'code'按钮,下拉选择download zip。

(2)或者安装了git工具之后,在命令行运行下面指令:

git clone https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image.git

(3)数据集设置

dataset/input/存放输入的数据集;
dataset/label存放标签的数据集;
dataset/test_input存放测试输入的数据集;

1-2深度学习开发

(1)训练image-to-image任务

python main.py --running_name demo

(2)测试image-to-image任务

python main.py --running_name demo --is_training 0 --is_testing 1

(3)测试单张图像

python main.py --is_training 0 --img_path dataset/demo.png

(5)参数解释

--running_name:为每次训练提供一个运行名称,代码会创建相应名称的文件夹保存结果和日志。

注:非常便于网络的多次运行和分析,比如设置一个递增的版本名称,设置循环,可以一次进行重复实验。

--is_train:设置是否训练,默认训练;

--is_test:设置是否测试,默认测试;

--img_path:指定一张测试图像的路径;

(6)查看训练过程

  • log_demo.txt保存了此次训练所使用的配置信息和训练过程信息;
  • weights/demo/best_model.pth保存了验证集loss最小的模型;
  • results/demo/eval/保存了每一步训练时一个batch的推理结果;

(7)其他

在快速训练上,可以使用上述命令行的方法,如果需要细致开发,可以使用vscode或pycharm,使用编译器运行代码。

2环境配置

建议有高配电脑,或者直接使用远程服务器已经配置好的环境。

2-1安装conda

annaconda,自带基础的python库,比较齐全,占用空间会比较大,网址:https://www.anaconda.com/download/

miniconda,纯净版conda命令软件,不自带库,需自行安装,占用空间小,网址:https://docs.anaconda.com/miniconda/

2-2安装pytorch

访问torch官网,直接通过指令进行安装。网址:https://pytorch.org/get-started/locally/

比如:打开cmd,输入:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

3例子

会将参数配置、模型结果、训练epoch的信息记录到日志中;

会保存每一个epoch的验证集结果(第一个batch的),如下图所示的是从严重退化的散射图中恢复出清晰的图像。

相关推荐
埃菲尔铁塔_CV算法21 分钟前
人工智能图像算法:开启视觉新时代的钥匙
人工智能·算法
EasyCVR22 分钟前
EHOME视频平台EasyCVR视频融合平台使用OBS进行RTMP推流,WebRTC播放出现抖动、卡顿如何解决?
人工智能·算法·ffmpeg·音视频·webrtc·监控视频接入
打羽毛球吗️28 分钟前
机器学习中的两种主要思路:数据驱动与模型驱动
人工智能·机器学习
好喜欢吃红柚子1 小时前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
小馒头学python1 小时前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯1 小时前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
正义的彬彬侠1 小时前
《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析
人工智能·决策树·机器学习·集成学习·boosting·xgboost
Debroon1 小时前
RuleAlign 规则对齐框架:将医生的诊断规则形式化并注入模型,无需额外人工标注的自动对齐方法
人工智能
羊小猪~~1 小时前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
AI小杨1 小时前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测