Dependencies

• cv2
• time
• math
• numpy
• random
• argparse
• Python 3.6.4
• multiprocessing
• PyTorch >= 0.4.1

TRAIN DATA

• DIV2K

TEST DATA

• Set5
• Set14
• Urban 100
• BSD 100
• DIV2K

PS：Set5，Set14，Urban 100，BSD 100 在 dataset/Eval

TRAIN

• 下载DIV2K数据，或者自己的高清图片数据，都直接把图片放一个目录下
• 执行tool/prepare_data.py，预处理图片数据到别的目录

python tool/prepare_data.py -d DIV2K -o DIV2K_OUT -n 10 

-d 高清图片数据
-o 预处理后的图片数据
-n 进程数

• 执行main.py训练

python main.py -m edsr -t 'DIV2K_OUT' -v 'dataset/Eval/Set14'  -s 1 -g 1 -p weight/edsr_1.pt -r 1

-m 模型类型 edsr，mdsr
-t 预处理后的图片目录
-v 评估数据的目录
-s 训练的模型放大类型
-b 训练的batch size
-i 数据输入的长高
-r 训练数据重复几次
-e epoch
-l lr
-g gpu个数
-p 训练模型位置
-dp gan的判别模型位置
-is_gan 是否用上gan

PRED

• 训练完后，执行test.py，预测图片

python test.py  -m edsr -S 1 -s 1 -g 2 -p weight/edsr_1.pt  -i head.jpg -o head.png

-m 模型类型 edsr，mdsr
-S 放大倍数
-s 训练的模型放大类型
-g gpu_id
-p 模型路径
-i 图片位置
-o 放大图片位置