Training
1、下载图像数据集 [General-100]
https://drive.google.com/file/d/0B7tU5Pj1dfCMVVdJelZqV0prWnM/view?usp=drive_web
2、将数据集中的所有图片放到根目录下的文件夹data_dir内
3、run python train.py --dataset data_dir
4、为了在培训期间查看统计数据,tensorboard——logdir your_save_directory
,其中“your_save_directory”为训练模型参数保存的目录(默认情况下为’ saved_models ')
Train Details
因为设备原因,作者使用了General-100数据集,使用了一个比论文中模型层数更少的网络
使用每张图片的中间100x100像素,100->50->100
80%图片为训练集,20%的图片为测试集
Adam优化,超过1000次迭代
kernel_size=3时,padding=1,根据公式计算得到卷积处理后的特征图大小与卷积处理前的特征图大小相同
Using Trained Network
使用命令python test.py
将从数据集中随机抽取五个图像样本,计算它们的输出,并将其保存在“out”目录中
单图测试:
python test.py --image your_picture
model.py
class EDSR(object): #继