用BasicSR库实现ESRGAN--下采样2倍图像重建

直接修改配置文件中的scale=2会报错。

 1. 根据报错，猜想应当是网络结构不同。到对应的rrdbnet_arch.py中读代码，发现作者有如下注释：

"""Networks consisting of Residual in Residual Dense Block, which is used
in ESRGAN.

ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks.

We extend ESRGAN for scale x2 and scale x1.
Note: This is one option for scale 1, scale 2 in RRDBNet.
We first employ the pixel-unshuffle (an inverse operation of pixelshuffle to reduce the spatial size
and enlarge the channel size before feeding inputs into the main ESRGAN architecture.

Args:
    num_in_ch (int): Channel number of inputs.
    num_out_ch (int): Channel number of outputs.
    num_feat (int): Channel number of intermediate features.
        Default: 64
    num_block (int): Block number in the trunk network. Defaults: 23
    num_grow_ch (int): Channels for each growth. Default: 32.
"""

 作者指出，已经扩展出了ESRGAN的2倍重建的功能。

这里提到了pixel-unshuffle，是pixelshuffle的反变换，是为了缩小spatial size。而后，在送进网络前，扩大了channel size。我没了解过pixelshuffle，遂查阅：

pixelshuffle是把维度(B, C*r*r, H，w) reshape成 (B, C, H*r，w*r)。那么，pixel-unshuffle则是将维度 (B, C, H*r，w*r)reshape成(B, C*r*r, H，w)。其中，作者的操作中，scale=2对应r=2；scale=1对应r=4。这样一来，输入的spatial size的缩小转换成了channel size的扩大，并且作者也在网络结构中扩大了channel size，就可以正常训练啦~

在代码中，作者也实现了对应的操作。

        if self.scale == 2:
            feat = pixel_unshuffle(x, scale=2)

        if scale == 2:
            num_in_ch = num_in_ch * 4

2. 问题出在哪儿了？？？是配置中还有参数需要修改吗

Yes!!!

通过在配置文件和rrdbnet_arch.py修改通道数等参数，发现在配置文件最上面直接修改scale=2的参数不能传过去，遂在network配置部分，加上一行：

scale: 2

成功传入！不报错了！

 小结：

1. 修改最上面的配置scale: 2

2. 在network structures的network_g的配置下面加一行：scale: 2

3. metrics部分的crop_border改为2