Multi-Stage Progressive Image Restoration 图像恢复----MPRNet测试步骤及测试过程中遇到问题的解决办法

Multi-Stage Progressive Image Restoration 图像恢复----MPRNet测试及测试过程中遇到问题的解决办法。

本文详细介绍了图像恢复方法-MPRNet代码测试及训练，记录下学习笔记。
论文地址：https://arxiv.org/abs/2102.02808
代码地址：https://github.com/swz30/MPRNet
CVPR2021

1、MPRNet测试

一、 搭建环境：创建虚拟环境

本次测试系统Windows10（建议在ubuntu16.04系统下进行测试）
安装pytorch1.1.0
Python3.7 CUDA9.0 cuDNN7.5
下载链接：https://pytorch.org/get-started/previous-versions/
安装命令：conda install pytorch=1.1 torchvision=0.3 cudatoolkit=9.0 -c pytorch

虚拟环境中可以直接安装需要的cuda和cudnn
先查看电脑支持的版本

conda search cudatoolkit  --info

conda search cudnn  --info

直接安装命令：
（Windows 10下）

conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/cudatoolkit-9.0-1.conda

conda install cudnn=7.6.5 -c https://repo.anaconda.com/pkgs/main/win-64/cudnn-7.6.5-cuda9.0_0.conda

装好后conda list查看是否成功！如下图：

（Linux下）

conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

conda install cudnn=7.1.4 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

安装必须的软件包：

pip install matplotlib scikit-image opencv-python yacs joblib natsort h5py tqdm

二、 调试代码（针对Deblurring）

将预训练模型加载到项目文件夹pretrained_models下，
下载地址：https://github.com/swz30/MPRNet/tree/main/Deblurring
新建文件夹/samples/input和/samples/output,将测试数据集拷贝在MPRNet-main/samples/input目录下
测试结果将保存在output文件夹下

测试运行命令：

python demo.py --task Deblurring --input_dir ./samples/input/ --result_dir ./samples/output

运行出错：

解决办法：
修改conv.py文件第11行

import torch
torch.backends.cudnn.enabled = False

这句话的意思是不用 cudnn 加速了。
GPU，CUDA，cudnn 的关系是：
• CUDA 是 NVIDIA 推出的用于自家 GPU 的并行计算框架，只能在 NVIDIA 的GPU 上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥 CUDA 的作用。
• CUDNN 是 NVIDIA 打造的针对深度神经网络的加速库，是一个用于深层神经网络的 GPU 加速库。如果你要用 GPU 训练模型，CUDNN 不是必须的，但是一般会采用这个加速库。
CUDNN默认会使用，既然目前解决不了匹配问题，就先不用了。这样 GPU 照样能工作，但可能没有用上 CUDNN 那么快。

运行出错：

分析原因:

原因1、将pytorch cuda cudnn下载源更新到同一个，比如都用清华源。
下载pytorch时，将命令
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0
注意：-c pytorch 这个去掉，这个是强制使用官网下载
参考链接：https://www.pythonf.cn/read/150171

更新结束后，还是出现这个错误，接着更新pytorch、cuda、cudnn版本

原因2、RTX2000以上显卡，需要安装cuda10.0版本以上，可能由于cuda版本太低的缘故，本电脑使用的显卡是RTX3080，所以需要使用cuda11.0及以上的版本
解决办法：将pytorch、cuda、cudnn重新安装对应的版本
参考链接：https://blog.csdn.net/a529975125/article/details/89644841
https://www.pianshen.com/article/7440670417/

安装命令：conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

重新安装pytorch，cuda，cudnn，因为本电脑查询cuda11.0没有对应的cudnn8.0.5版本，所以使用cudnn8.2.1代替cudnn8.0.5
Cudnn安装命令为：

conda install cudnn=8.2.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/cudnn-8.2.1-cuda11.3_0.conda

运行结果如下：

发现测试成功！测试结果保存在了output文件夹下。

三、 测试数据

测试结果如下：
原始模糊图像

去模糊之后的图像

结果分析：整体看，本次去模糊的效果比较好，无论是图片背景还是图片主体，都可以明显的看出来去运动模糊的效果！

去模糊效果比较（with DeblurGANv2 ）
DeblurGANv2结果

MPRNet结果

两者比较结果分析：MPRNet去模糊的效果比DeblurGANv2效果好！尤其是在图片背景文字，轮廓，图像主体细节较好！但是这两个网络结构都是针对RGB彩色图像进行去模糊，MPRNet在黑白图像上、图像小目标边缘、多个小目标轮廓细节去模糊的效果有待检验！