DRCT 项目使用教程

DRCT 项目使用教程

DRCT Accepted by New Trends in Image Restoration and Enhancement workshop (NTIRE), in conjunction with CVPR 2024. 项目地址: https://gitcode.com/gh_mirrors/dr/DRCT

1. 项目目录结构及介绍

DRCT 项目的目录结构如下：

DRCT/
├── datasets/
│   └── ...
├── drct/
│   └── ...
├── experiments/
│   └── pretrained_models/
│       └── ...
├── figures/
│   └── ...
├── options/
│   └── ...
├── results/
│   └── ...
├── LICENSE
├── README.md
├── REAL_DRCT_GAN_ONNX_inference_fp16.py
├── VERSION
├── inference.py
├── inference_fp16.py
├── parameter_size.ipynb
├── predict.py
├── requirements.txt
└── setup.cfg

目录介绍

• datasets/: 存放数据集的目录。
• drct/: 项目的主要代码目录，包含模型定义、训练和测试脚本等。
• experiments/pretrained_models/: 存放预训练模型的目录。
• figures/: 存放项目相关的图表和图像。
• options/: 存放配置文件的目录，包括训练和测试的配置文件。
• results/: 存放测试结果的目录。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍文档。
• REAL_DRCT_GAN_ONNX_inference_fp16.py: 用于 ONNX 模型推理的脚本。
• VERSION: 项目的版本文件。
• inference.py: 用于推理的脚本。
• inference_fp16.py: 用于半精度推理的脚本。
• parameter_size.ipynb: 用于计算模型参数大小的 Jupyter Notebook。
• predict.py: 用于预测的脚本。
• requirements.txt: 项目依赖的 Python 包列表。
• setup.cfg: 项目的配置文件。

2. 项目启动文件介绍

inference.py

inference.py 是用于在自定义数据集上进行推理的启动文件。使用方法如下：

python inference.py --input_dir [输入目录] --output_dir [输出目录] --model_path [模型路径]

inference_fp16.py

inference_fp16.py 是用于半精度推理的启动文件。使用方法如下：

python inference_fp16.py --input_dir [输入目录] --output_dir [输出目录] --model_path [模型路径]

predict.py

predict.py 是用于预测的启动文件。使用方法如下：

python predict.py --input_dir [输入目录] --output_dir [输出目录] --model_path [模型路径]

3. 项目的配置文件介绍

setup.cfg

setup.cfg 是项目的配置文件，包含了项目的各种设置和参数。该文件通常用于项目的打包和分发。

options/ 目录

options/ 目录下包含了训练和测试的配置文件。例如：

• options/test/DRCT_SRx4_ImageNet-pretrain.yml: 用于测试 DRCT 模型的配置文件。
• options/train/train_DRCT_SRx2_from_scratch.yml: 用于从头开始训练 DRCT 模型的配置文件。

这些配置文件定义了模型的超参数、数据路径、训练和测试的设置等。

使用示例

测试模型

python drct/test.py -opt options/test/DRCT_SRx4_ImageNet-pretrain.yml

训练模型

CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 python -m torch.distributed.launch --nproc_per_node=8 --master_port=4321 drct/train.py -opt options/train/train_DRCT_SRx2_from_scratch.yml --launcher pytorch

以上命令将启动分布式训练，使用 8 个 GPU 进行训练。

---

通过以上教程，您可以了解 DRCT 项目的目录结构、启动文件和配置文件的使用方法。希望这些信息对您有所帮助！

DRCT Accepted by New Trends in Image Restoration and Enhancement workshop (NTIRE), in conjunction with CVPR 2024. 项目地址: https://gitcode.com/gh_mirrors/dr/DRCT