使用自己的x3数据集实现SRGAN，小白进坑全收录！

本文所使用的代码为 https://github.com/open-mmlab/mmsr
所使用的环境为 python 3.7.4 ， CUDA 9.0.176 , cuDNN 7.6.1 ，torch 1.1
查看cuda和cuDNN版本的代码如下：
查看cuda版本

cat /usr/local/cuda/version.txt

查看cuDNN版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

1. 登入服务器，激活torch环境
source activate torch1（本人自己在anaconda创建的独立环境）
2. 使用dcn对网络进行编译

cd ./codes/models/archs/dcn
python setup.py develop

3. 生成LR（可选）
若你的数据集包含GT和LR，则跳过此步骤。
若只有GT，则通过 mmsr-master/codes/data_scripts/generate_mod_LR_bic.py文件生成LR。
需要修改路径和放大倍数

    up_scale = 3
    mod_scale = 3
    # set data dir
    sourcedir = '../../datasets/changping-GF2/RSdata_train_HR'
    savedir = '../../datasets/changping-GF2/train_mod_LR_bic'

运行后会生成3个文件夹，Bic,HR,LR,我们需要的LR图像保存在 mmsr-master/datasets/changping-GF2/train_mod_LR_bic/LR/x3中。LR的尺寸为GT的1/scale。Bic的尺寸为LR通过双三次插值放大scale倍，即跟GT的尺寸一样，只是清晰度变低。这里注意LR图像不要用错成Bic。train和valid的数据集都要处理。

4. 裁剪数据集
本文使用的是自己的遥感数据集，尺寸非常大，大概为几万乘几万这样（在自己的小笔记本上根本跑不动- -，只能用服务器跑），所以首先使用 extract_subimages.py对图像进行裁剪，大小为480*480.
这里的mode可以有两种选择，
（1）mode == 'pair',可以同时对GT和LR进行裁剪，这里需要注意，裁剪的尺寸要为scale的倍数，比如GT的裁剪尺寸为480，scale=3，那么LR的尺寸就为480/3=160。除不尽会报错。
（2） mode == 'single',可单独对GT或LR进行裁剪。(不建议，容易出错)
运行前要将GT和LR的路径改为自己本地的路径，然后将比例改为实际用的比例。记得train和valid的数据集都要裁剪。

elif mode == 'pair':
    GT_folder = '../../datasets/changping-GF2/RSdata_train_HR'
    LR_folder = '../../datasets/changping-GF2/RSdata_train_LR/X3'
    save_GT_folder = '../../datasets/changping-GF2/train_HR_s