Exposure_Correction-pytorch项目安装与使用指南
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。