本期是记录代码复现中的配置环境步骤以及在过程中遇到的问题。
一、安装Pycharm软件
在这里安装最新版本的即可，对于30天免费试用，可以去B站搜索下载破解版，过程不再赘述。
二、下载Anaconda
先去看自己电脑是不是NVIDIA的显卡，在电脑--设备管理器--显示适配器中查看，也可以在CMD命令中输入NVIDIA -smi来看，需要下载低于自己电脑版本的cuda，自定义安装好后，再去在电脑--高级环境--环境变量--path--->新建，如下图3。
三、建立虚拟环境
以此篇文献为例：《CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition
for Multi-Modality lmage Fusion》，在文献摘要结尾处复制源代码，打开Github，下载源代码压缩文件。
问题1：Github关键时刻打不开
解决办法：（1）下载UU加速器/Steam++（2）使用Gitee Search，直接去搜项目文件
阅读Readme文件，看要求需要下载什么版本的python，在Anaconda prompt/Pycharm终端下运行：
# create virtual environment
conda create -n cddfuse python=3.8.10 #看项目文件要求
conda activate cddfuse
四、更改Python解释器
打开Pycharm，右下角点击interpreter settings，在python interpreter中选择添加解释器，即add local interpreter，选择已有的环境，再将type设置为Conda环境，最后选择自己建立的虚拟环境名称即可，如下图所示。
五、安装Pytorch
Pytorch一定要去官网下载，下载前要看项目要求的pytorch版本，PyTorch
https://pytorch.org/如果Readme文件中没有说明的话，看看有没有requirements.txt文件，例如小编这个示例项目要求的是torch是1.8.1版本，那就选择对应版本的Pytorch即可。
问题2：没有对应GPU版本的pytorch和Cuda
解决办法：（1）分开下载，先安装cuda，再安装pytorch
conda installcudatoolkit=10.1 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/ # 安装Cuda
conda installcudnn=7.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/ # 安装cudnn
conda install pytorch==1.7.0 torchvision==0.8 cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/# 安装pytorch
(2)若版本为1.8.1的pytorch，11.7的cuda，可以直接采用以下命令安装
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html验证安装：方法1：运行conda list，若torch后面显示1.8.1+cu111，则成功下载GPU版本。
Conda cddfuse list #查看下载库
方法2：运行代码验证,若结果显示true则是GPU版本，若为false，则是CPU版本。
python
import torch
torch.cuda.is_available()问题3：下载慢/下载失败
解决办法：更换清华源或其他镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show channel urls yes #清华源镜像
其他镜像链接：
阿里云：https://mirrors.aliyun.com/pypi/simple/ 中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/ 华为云： https://repo.huaweicloud.com/repository/pypi/simple/ 腾讯云：https://mirrors.cloud.tencent.com/pypi/simple/
问题4：镜像或虚拟环境出错
解决办法：删除重新安装
conda config --remove-key channels #删除清华源
Conda remove -n name --all #删除虚拟环境
六、安装其他包/依赖库
若项目文件中有requirement.txt，可以使用命令直接安装
# install cddfuse requirements
pip install -r requirements.txt基本的安装包和环境配置好后，可以根据readme文件中的步骤去进行数据预处理和训练，在运行过程中，若出现缺少安装包的情况，再去运行pip install xxx进行下载。
七、数据预处理和训练
如下图，CDDFuse项目中提到，在预处理时，需要自己去下载MSRS数据集，同样将代码压缩包下载下来，放到要求的MSRS_train目录下，再去运行dataprocessing.py文件，结果会自动生成一个data/MSRS_train_imgsize_128_stride_200.h5文件，即运行成功。
python MMIF-CDDFuse-main/dataprocessing.py
问题5：运行dataprocessing.py报错
解决办法：更改自己保存文件的路径，右击文件的copy path，记得文件中的路径也需要更换。
根据步骤再去运行train文件，同理，运行以下代码。
python MMIF-CDDFuse-main/train.py问题6：运行结果显示Cuda out of memorty （原因：批量数据过大、模型过于复杂以及显存未及时释放）
解决办法：减小批量大小、压缩模型、使用半精度浮点数、清理显存以及进行分布式训练等方法来有效管理显存。
（1）将正在运行的GPU后台清理掉，运行nvidia-smi,查看哪些正在进行的程序，再进行释放显存。
python
import torch
torch.cuda.empty_cache() # 手动清理显存（2）降低批量大小，原代码中显示Batch size=8,在这里小编把batch_size设置为4，则成功运行。
此页面表示，数据正在训练中，由于时间较长，小编就运行到这里，没有进行后面的test过程。如果有什么问题，欢迎大家交流和补充，谨以此篇记录小编在运行时发现的问题。
———————————————————————————————————————————____________
八、数据测试
小编又回来啦！通过小编不懈的努力，将batch_size从16改为8再到4、5，最后确定为2，再不断的调试num_epochs和epoch_gap，分别从120和40，更改为30和20，训练时间从12天缩短到3个小时，终于运行成功啦！
继续运行下面的测试代码
python MMIF-CDDFuse-main/test_IVF.py问题7：运行结果显示OSError: cannot write mode F as PNG
解决办法：通过搜索发现是数组类型不对，但改为uint8后仍然报错，于是小编就把数据喂给deepseek，告诉他问题和疑惑，再询问他解决办法，大功告成！操作步骤如下：
deepseek先是分析了小编的问题，又给出了解决办法，真的爱了！
总结来说：错误 OSError: cannot write mode F as PNG 表示尝试保存 float32 类型（mode='F'）的图像为 PNG 格式，而 PNG 仅支持 uint8 或 uint16 数据类型。直接强制转换 float32 → uint8 会导致数据范围错误（如数值未归一化到 [0, 255]），进而引发 data type 'np.uint8' not understood 异常。
我直接一个复制粘贴，将原来的代码替换为以下内容：
旧代码：
def img_save(image,imagename,savepath):
if not os.path.exists(savepath):
os.makedirs(savepath)
# Gray_pic
imsave(os.path.join(savepath, "{}.png".format(imagename)),image)#旧代码更换为：
def img_save(image, imagename, savepath):
if not os.path.exists(savepath):
os.makedirs(savepath)
if image.dtype == np.float32:
image = (image - np.min(image)) / (np.max(image) - np.min(image)) * 255
image = image.astype(np.uint8)
if len(image.shape) == 3 and image.shape[2] == 3: # RGB/YCrCb
mode = 'RGB'
elif len(image.shape) == 2: # GRAY
mode = 'L'
else:
raise ValueError(f"不支持的图像维度: {image.shape}")
imsave(os.path.join(savepath, f"{imagename}.png"), image)OK! 成功！运行结果如下所示：
(cddfuse) D:\DOWNLOAD\PycharmProjects>python MMIF-CDDFuse-main/test_IVF.py
================================================================================
The test result of TNO :
EN SD SF MI SCD VIF Qabf SSIM
CDDFuse 7.12 46.0 13.15 2.19 1.76 0.77 0.54 1.03
================================================================================
================================================================================
The test result of RoadScene :
EN SD SF MI SCD VIF Qabf SSIM
CDDFuse 7.43 54.66 16.36 2.3 1.81 0.69 0.52 0.98
================================================================================
接下来再去运行：
python MMIF-CDDFuse-main/test_IVF.py
问题8：结果显示FileNotFoundError: [Errno 2] No such file or directory: 'models/CDDFuse_IVF.pth'还有
FileNotFoundError: [Errno 2] No such file or directory: 'CDDFuse_IVF.pth'
解决办法：重要的事情说三遍！路径问题！路径问题！路径问题！将运行的代码路径全部换成自己所在目录下，安全下车！
结果如下:
(cddfuse) D:\DOWNLOAD\PycharmProjects>python MMIF-CDDFuse-main/test_MIF.py
================================================================================
The test result of MRI_CT :
EN SD SF MI SCD VIF Qabf SSIM
MMIF-CDDFuse-main\models\CDDFuse_IVF 4.73 88.38 33.82 2.23 1.74 0.5 0.59 1.33
MMIF-CDDFuse-main\models\CDDFuse_MIF 4.77 78.99 38.14 2.6 1.4 0.61 0.68 1.35
================================================================================
================================================================================
The test result of MRI_PET :
EN SD SF MI SCD VIF Qabf SSIM
MMIF-CDDFuse-main\models\CDDFuse_IVF 4.15 81.49 28.04 1.86 1.81 0.66 0.65 1.48
MMIF-CDDFuse-main\models\CDDFuse_MIF 4.14 70.56 29.57 2.02 1.68 0.71 0.71 1.51
================================================================================
================================================================================
The test result of MRI_SPECT :
EN SD SF MI SCD VIF Qabf SSIM
MMIF-CDDFuse-main\models\CDDFuse_IVF 3.82 71.62 20.66 1.89 1.87 0.65 0.68 1.47
MMIF-CDDFuse-main\models\CDDFuse_MIF 3.82 58.13 20.87 2.47 1.34 0.97 0.78 1.49
================================================================================
可以发现models下面多了一个文件，以及一个测试结果文件夹test_result，包括红外可见光融合和医学可见光融合。
虽然代码复现成功了，但结果和项目readme文件中的结果还是有一点出入，不知道是不是因为小编更改了num_epochs和epoch_gap的缘故，欢迎大家交流补充。
原项目结果：
扫一扫
1138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
