RCAN超分辨重建实战

基于深度学习的超分辨实践，包含：数据集的创建，模型的搭建，模型的训练，模型的测试。

这里有两点疑惑：数据集的创建，模型的训练

数据集的创建

数据集从文件夹获取。这里与原文的区别：1 没有数据增强  2 随机采样好像和原文有区别

import random
import glob
import numpy as np
import PIL.Image as pil_image
from torch import nn

class Dataset(object):
    def __init__(self, images_dir, patch_size, scale):
        self.image_files = sorted(glob.glob(images_dir + '/*'))
        self.patch_size = patch_size
        self.scale = scale
        

    def __getitem__(self, idx):


        hr = pil_image.open(self.image_files[idx]).convert('RGB')

        # 随机裁剪
        crop_x = random.randint(0, hr.width - self.patch_size * self.scale)
        crop_y = random.randint(0, hr.height - self.patch_size * self.scale)
        hr = hr.crop((crop_x, crop_y, crop_x + self.patch_size * self.scal