SRGAN代码结构分析

• data_utils.py

  1. 数据的基本处理方法定义，由torchvision.transforms来定义返回Compose对象
  2. 继承Dataset类，来定义train，test，val等数据的读取和处理方式

• loss.py

  1. 数学公式的常规操作，矩阵运算，
  2. 然后写测试代码来运行验证

• model.py

  1. 这部分是最好理解和编写的
  2. 先写好基本的res模块和upsample模块
  3. 然后用nn.Sequential串联各个模块

• train.py

  1. 设置超参数
  2. 读取数据集然后用DataLoader实现batch
  3. 定义网络对象，统计其中参数的总数
  4. 定义优化器，传网络参数进去
  5. 训练，验证循环的编写（核心）
     • 更新鉴别器：
       （1）低分辨率作为噪声传入生成器得到fake_img，高分辨率作为real_img
       （2）鉴别器梯度归零，两图传入鉴别器，计算D_loss并backward回传梯度，然后调用optimizerD.step()更新鉴别器的速率
     • 更新生成器：
       （1）生成器梯度归零，计算G_loss并backward回传梯