HAT 项目安装和配置指南

HAT 项目安装和配置指南

HAT CVPR2023 - Activating More Pixels in Image Super-Resolution Transformer Arxiv - HAT: Hybrid Attention Transformer for Image Restoration 项目地址: https://gitcode.com/gh_mirrors/ha/HAT

1. 项目基础介绍和主要编程语言

项目基础介绍

HAT（Hybrid Attention Transformer）是一个用于图像超分辨率（Image Super-Resolution）的深度学习模型。该项目由XPixelGroup开发，并在CVPR 2023上发表了相关论文。HAT模型通过激活更多的像素来提高图像超分辨率的效果，适用于图像修复和增强任务。

主要编程语言

该项目主要使用Python编程语言进行开发。

2. 项目使用的关键技术和框架

关键技术和框架

• PyTorch: 该项目依赖于PyTorch深度学习框架，版本要求为1.7及以上。
• BasicSR: 该项目使用了BasicSR库，版本要求为1.3.4.9。
• Hybrid Attention Transformer: 这是HAT模型的核心技术，结合了注意力机制和Transformer架构。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.6 或更高版本
• PyTorch 1.7 或更高版本（建议不使用torch 1.8，因为它可能会导致异常性能）
• BasicSR 1.3.4.9

详细安装步骤

步骤1：安装PyTorch

首先，您需要安装PyTorch。您可以通过以下命令安装：

pip install torch torchvision

步骤2：克隆项目仓库

使用Git克隆HAT项目的仓库到本地：

git clone https://github.com/XPixelGroup/HAT.git
cd HAT

步骤3：安装项目依赖

在项目根目录下，运行以下命令安装所需的依赖包：

pip install -r requirements.txt

步骤4：安装BasicSR

确保您已经安装了BasicSR库，版本为1.3.4.9。如果没有安装，可以通过以下命令安装：

pip install basicsr==1.3.4.9

步骤5：配置项目

在项目根目录下，运行以下命令以配置项目：

python setup.py develop

步骤6：下载预训练模型

您可以从Google Drive或Baidu Netdisk下载预训练模型。访问以下链接并使用提供的访问代码下载模型：

• Google Drive: 预训练模型下载链接
• Baidu Netdisk: 预训练模型下载链接，访问代码：qyrl

将下载的预训练模型文件放置在experiments/pretrained_models目录下。

步骤7：测试安装

运行以下命令以测试安装是否成功：

python hat/test.py -opt options/test/HAT_SRx4_ImageNet-pretrain.yml

测试结果将保存在results文件夹中。

注意事项

• 如果您在测试时遇到GPU内存不足的问题，可以使用“tile mode”进行推理。您可以通过修改测试选项文件中的相关设置来启用此功能。
• 如果您在安装或配置过程中遇到任何问题，可以通过电子邮件（chxy95@gmail.com）或加入BasicSR的微信讨论群与作者联系。

通过以上步骤，您应该能够成功安装和配置HAT项目，并开始使用它进行图像超分辨率任务。

HAT CVPR2023 - Activating More Pixels in Image Super-Resolution Transformer Arxiv - HAT: Hybrid Attention Transformer for Image Restoration 项目地址: https://gitcode.com/gh_mirrors/ha/HAT