SRGAN的代码复现并详细分享环境配置
简单记录一下复现SRGAN的过程和环境文档,并没有太多复杂的东西——阿波,2020.7.19
环境
conda create --name test python=3.6
pip install tensorflow==1.11.0
pip install Pillow
pip install scipy==1.2.1
pip install keras==2.2.4
直接运行会出现这个,下载速度还是非常慢的,因为在构建网络的时候使用的VGG19网络:
Downloading data from https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg19_weights_tf_dim_ordering_tf_kernels.h5
所以需要手动下载VGG19的网络,只需将上面的下载链接放在迅雷下载下来即可:
包含最后3个全连接层的VGG19模型下载地址
可以加载在IMAGENET上预训练的权值. 当使用tensorflow作为backend时, 应该在keras.json中设置
通过这个指令打开该文件夹,并将模型文件放进去就可以运行第一个demo了。
nautilus ~/.keras/models/
代码
论文地址:Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarial Network
思路
论文思路:SRGAN-超分辨率图像复原
代码上如上图所示,SRGAN网络结构比较鲜明,自上而下分别是:超参数设置,VGG19网络的导入,生成器和判别器的初始化,训练和测试部分对图像进行了处理,我们只要参考 data_loader.py 子函数就可以