Exposure_Correction-pytorch项目安装与使用指南

Exposure_Correction-pytorch项目安装与使用指南

Exposure_Correction-pytorchCVPR2021 Learning Multi-Scale Photo Exposure Correction论文的非官方pytorch代码项目地址:https://gitcode.com/gh_mirrors/ex/Exposure_Correction-pytorch

一、项目的目录结构及介绍

• Exposure_Correction-pytorch
  • MultiExposure_dataset: 存放数据集的目录，细分为三个子目录用于存放训练集、验证集和测试集的数据。
    • testing: 测试集数据。
    • training: 训练集数据。
    • validation: 验证集数据。
  • log: 日志文件目录。
  • run-out: 运行输出结果的存储位置。
  • tools: 包含工具脚本，如数据预处理等。
  • snapshots: 预训练模型和其他快照的保存路径。
  • LICENSE: 项目的许可协议（MIT license）。
  • Myloss.py: 自定义损失函数的代码文件。
  • README-CN.md: 中文版的项目说明文档。
  • README.md: 英文版的项目说明文档。
  • dataloader.py: 数据加载器的实现文件。
  • model.py: 网络模型的定义文件。
  • mspec_test.py: 模型测试脚本。
  • mspec_train.py: 模型训练脚本。
  • requirements.txt: 安装依赖所需的包列表。

二、项目的启动文件介绍

mspec_train.py

该文件负责模型的训练过程，通过调用model.py中定义的模型进行训练，并记录训练日志到log目录下。它还可能从snapshots目录下的预训练模型继续训练。

mspec_test.py

主要用于模型评估和性能测试，利用训练好的模型对测试集进行预测并输出结果。它同样依赖于model.py中定义的网络架构。

三、项目的配置文件介绍

requirements.txt

这是一个包含了项目运行所需Python库及其版本号的文本文件。例如：

PyTorch==1.9.1
numpy==1.21.0

为了确保环境一致性，你需要使用pip install -r requirements.txt来安装所有必需的库。

环境配置

对于CUDA版本为11.1的情况，可以通过以下命令快速构建虚拟环境：

conda create -n mspec_env python==3.8
conda activate mspec_env
pip install -r requirements.txt

数据准备

首先从项目GitHub仓库下载Training|Validation|Testing数据集，然后将数据放置于项目根目录下的相应子目录内。

最后，通过执行python /tools/creat_patch.py train来进行数据预处理，这将在/MultiExposure_dataset/training/Patches目录下生成新的数据文件以供后续使用。

Exposure_Correction-pytorchCVPR2021 Learning Multi-Scale Photo Exposure Correction论文的非官方pytorch代码项目地址:https://gitcode.com/gh_mirrors/ex/Exposure_Correction-pytorch