复现EnlightenGAN遇到的问题小结2

最新推荐文章于 2024-01-09 21:56:59 发布
最新推荐文章于 2024-01-09 21:56:59 发布
阅读量477 收藏 2
点赞数
分类专栏： python EnlightenGAN 文章标签： python pycharm 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lrddddd/article/details/130246171
版权

由于源代码用的python3.5目前已经不能在pycharm上应用了，于是我用anaconda3创建了python3.7的虚拟环境进行代码复现。复现路途太过艰难，寻思记录一下问题。为了自己隔很长时间再复现可以参考，也为了方便大家，少经历些debug的痛苦！

问题1：导入不了orderedDict包，查了一些资料说是python版本太老

解决办法：

找到那个文件把导入改一下。改成下图所示

问题2：yaml的load出错，报错如下图： 

解决办法，找到文件所在位置，将load改为safe_load,如下图所示

问题3：找不到模型和路径问题

 解决办法：将对应模型和路径位置更改即可 

 

lrddddd
关注
专栏目录
EnlightenGAN代码复现错误总结
lrddddd的博客
03-07 1417
AssertionError: ../datasets/datasets\trainA is not a valid directory 复现EnlightenGAN时的路径问题解决方案
EnlightenGAN训练复现记录
L_27N113E的博客
04-18 2250
记录EnlightenGAN过程中的问题和解决方式。提示：以下是本篇文章正文内容，下面案例可供参考。
EnlightenGAN
03-08
启蒙 IEEE图像处理交易，2020年， 代表性的结果 总体架构 环境准备 python3.5 您至少应准备3个1080ti GPU或更改批大小。 pip install -r requirement.txt mkdir model 从下载VGG预训练模型，然后将其放入目录model 。 培训过程 在开始培训过程之前，您应该启动visdom.server进行可视化。 nohup python -m visdom.server -port=8097 然后运行以下命令 python scripts/script.py --train 测试过程 下载并将其放入./checkpoints/enlightening 创建目录../test_dataset/testA和../test_dataset/testB 。 将您的测试映像放在../test_dataset/testA （并且您应该在
代码调试记录EnlightenGAN 一
Alkaidsimon的博客
07-23 954
FileNotFoundError: [WinError 3] 系统找不到指定的路径。/dataset/50kshoes_edges’论文源码要求python==3.5 我的是3.9。在“data”文件夹中的代码基本上都需要更改路径。论文源码要求python==3.5 我的是3.9。在“data”文件夹中的代码基本上都需要更改路径。与上述一中的原因一致，需要将路径降低一个级。原因：python版本不同。自己创建文件夹并加入数据集。原因：python版本不同。
EnlightenGAN 开源代码运行
weixin_44504393的博客
02-20 8715
EnlightenGAN: Deep Light Enhancement without Paired Supervision工作公布于2019年，论文已被TIP 2021接收，其采用非成对数据训练了一个用于低照度图像增强的对抗生成网络模型，可以显著增强低照度图像的亮度及对比度，表现优异。 本文记录Windows10环境下运行开源代码的主要步骤及测试过程中遇到的问题和解决办法。
EnlightenGan源码测试
wgbzj的博客
03-10 3918
1相关准备 相应的pytorch环境这里就不赘述了，enlightenGan的源码在github可以直接下载，大家自行下载。 2测试环节 1：用pycharm打开下载好的源码，按下图的目录结构创建文件夹：checkpoints/enlightening和model 2：在checkpoints/enlightening和model文件夹下分别放入网络模型和VGG的模型，模型可以在github上下载到，下载好了拉里面就行。 3：创建测试文件夹test_dataset。这个一定要注意！这个文件
cmapss_RUL_复现 (2)
06-01
cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL_复现 (2)cmapss_RUL...
EnlightenGAN-master_GAN低光_图像增强_
10-01
总结来说，"EnlightenGAN-master"是低光图像增强领域的一个重要突破，它利用GAN技术在单一图像上进行训练，降低了对数据对和计算资源的需求，同时也展示了深度学习在解决实际问题中的强大潜力。通过理解和应用...
EnlightenGAN_对抗网络_网络对抗图片_生成对抗网络_enlightengan_enlightengan原理_源码.z
10-05
EnlightenGAN_对抗网络_网络对抗图片_生成对抗网络_enlightengan_enlightengan原理_源码.z
关于复现RfD-Net过程中所遇到的问题（Ubuntu）
最新发布
06-13
关于复现RfD-Net过程中所遇到的问题（Ubuntu）
EnlightenGAN:[IEEE TIP'2021]“ EnlightenGAN
05-24
启蒙 IEEE图像处理交易，2020年， 代表性的结果 总体架构 环境准备 python3.5 您至少应准备3个1080ti GPU或更改批次大小。 pip install -r requirement.txt mkdir model 从下载VGG预训练模型，然后将其放入目录model 。 培训过程 在开始培训过程之前，您应该启动visdom.server进行可视化。 nohup python -m visdom.server -port=8097 然后运行以下命令 python scripts/script.py --train 测试过程 下载并将其放入./checkpoints/enlightening 创建目录../test_dataset/testA和../test_dataset/testB 。 将您的测试映像放在../test_dataset/testA （并且您应
EnlightenGAN_对抗网络_网络对抗图片
09-29
EnlightenGAN_对抗网络_网络对抗图片_生成对抗网络_enlightengan_enlightengan原理_源码.rar
Python-EnlightenGAN图像光线增强DeepLightEnhancementwithoutPairedSupervision
08-11
EnlightenGAN - (图像光线增强)Deep Light Enhancement without Paired Supervision
enlightenGAN问题小结3
lrddddd的博客
04-23 389
至此，小白我的enlightenGAN源码终于能跑起来了！接下来就是改动提出创新点了！虽说后面改动肯定还会出现很多错误，但能取得阶段性的成功还是非常开心的！如果有需要代码和环境信息的可以踢我，可以分享给大家，只记录了部分复现遇到的bug。真心希望每个想复现代码的兄弟姐妹都能顺顺利利，远离bug，太痛苦了！1.运行python scripts/script.py --predict时出现 cuda out of memory ERROR 错误如下图。解决方法：在script.py开头加上如下图代码。
【低照度图像增强系列（3）】EnlightenGAN算法详解与代码实现
路人贾的博客
01-09 6043
低照度图像增强系列（3）——EnlightenGAN算法详解与代码实现
EnlightenGAN: Deep Light Enhancement without Paired Supervision源码实现
hello world
06-20 3195
最近楼楼在做相关的项目，需要调整数据集的亮度，看相关的论文时，发现这篇论文具有相当高的可取之处。话不多说，分享一下我的采坑记录。 相关准备 源码地址：点击这里 在GitHub中，作者给出了源码，数据集等，这些都可以在里面下载到，ReadMe中也给出了详细的运行方法，对小白来说还是比较友好的。 踩坑记录 由于木有详细的报错截图，我就大致说一下。 1.".\final_datasets/trainA"或者".\final_datasets/trainA" is not a valid directory. 这个
EnlightenGAN的代码运行过程问题记录
qq_41876456的博客
06-19 7840
运行过程 Running process 1、代码：https://github.com/VITA-Group/EnlightenGAN 2、conda创建虚拟环境： conda create -n enlighten python=3.5 3、进入项目文件夹，打开终端 conda activate enlighten pip install -r requirement.txt 4、创建文件夹mkdir mkdir model 5、下载VGG pretrained model，放入mod
EfficientNet代码复现--ICML2019
冲出仁川，走出马德里，故事还会再继续
09-01 594
 我们提出的复合缩放方法，它以固定比例均匀缩放所有三个维度。  缩放网络深度是许多 ConvNet 最常用的方式.直觉是，更深的 ConvNet 可以捕获更丰富、更复杂的特征，并且可以很好地概括新任务。然而，由于梯度消失问题，更深层次的网络也更难训练。尽管skip connections和batch normailzation等多种技术缓解了训练问题，但非常深的网络的准确度增益降
pycharm复现pysot遇到的问题汇总
08-31
在使用PyCharm复现Pysot时，可能会遇到以下几个问题： 1. 出现依赖包缺失错误：Pysot依赖于OpenCV、Numpy、Torch等包，如果这些包未安装，会导致运行出错。解决办法是使用pip或conda安装缺失的依赖包。 2. 训练过程出现错误：在使用Pysot进行物体跟踪的训练时，可能会出现模型调整不当或数据集标注错误等问题导致的训练失败。解决办法是仔细检查模型调整和数据集标注的正确性，根据错误提示进行相应的调整。 3. 配置文件错误：Pysot使用YAML格式的配置文件来设置模型参数和训练参数，如果配置文件中的参数设置不合理，也会导致程序出错。解决办法是仔细检查配置文件中的参数设置，并根据错误提示进行相应的调整。 4. PyCharm环境设置问题：在使用PyCharm进行Pysot开发时，可能会遇到PyCharm配置不当导致程序无法运行或者出现调试问题等。解决办法是检查PyCharm环境设置是否正确，包括Python解释器、工作目录、运行配置等。同时，也可以使用PyCharm提供的调试工具进行问题排查。 需要注意的是，在进行Pysot开发时，我们需要有一定的计算机视觉和深度学习基础，并且熟悉Python语言和PyTorch框架。同时，也需要对目标跟踪技术有一定的理解和经验。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值