keras实现EDSR中遇到的坑

最新推荐文章于 2024-03-20 17:17:59 发布

松烟入墨

最新推荐文章于 2024-03-20 17:17:59 发布

阅读量1k

点赞数 2

本文链接：https://blog.csdn.net/ccy_8491/article/details/84247930

版权

本文记录了在使用keras实现超分辨率任务的EDSR模型过程中遇到的问题，包括批量读取图片选择fit_generator，解决梯度爆炸的残差缩放问题，残差网络的构建，模型保存与加载的注意事项，以及使用tensorboard时出现的模型重复问题。

摘要由CSDN通过智能技术生成

最近需要实现超分辨率问题，但EDSR模型不适合自己的数据集，故重新用keras写了一遍，以下是遇到的坑：

1、批量读取图片

因为内存不够的问题，尝试了h5py，train_on_batch，以及fit_generator三种不同的加载大数据集的方式，最后感觉还是fit_generator好用，生成器代码如下（训练和标签均为图片）：

def generator(index_list,path,batch_size):
    list_x=[]
    list_y=[] 
    count=0
    i = 0
    while 1:
        f = index_list[i%len(index_list)]
        img_path1 = path + 'low/' + f
        img_path2 = path + 'high/' + f
        img_data = image.load_img(img_path1)
        img_label = image.load_img(img_path2)
        img_array = image.img_to_array(img_data)
        img_array2 = image.img_to_array(img_label)
        list_x.append(img_array)
        list_y.append(img_array2)
        count+=1
        i = i+1
        if count>=batch_size: #数据记录达到batch_size才返回