【代码复现Zero-DCE详解:Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement】

链接概括

1.文章：(CVPR 2020) Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement
2. 链接: paper.
3. 链接: code.
4. 其他博主复现链接: link.

存在的几个主要问题

1.检查电脑是否含有GPU，不是GPU环境需要将代码改为CPU环境下
2. 源代码中没有数据集
3. 代码中路径问题，路径不对将导致无法加载数据
3.需要按照要求设置文件夹
4. 由于版本不同，代码运行中出现的警告影响代码运行

检查电脑是否含有GPU：将代码改为CPU环境下运行

论文中的代码是GPU环境下的，并且是在每一句需要用到GPU的代码下注释的，所以需要将所有含有该语令的改为CPU
具体改法：
将代码中".cuda()"删去，或者将其改为“.cpu()”
下面仅仅是部分示例：其中前面带“#”为源代码

// Myloss.py
        # kernel_left = torch.FloatTensor( [[0,0,0],[-1,1,0],[0,0,0]]).cuda().unsqueeze(0).unsqueeze(0)
        # kernel_right = torch.FloatTensor( [[0,0,0],[0,1,-1],[0,0,0]]).cuda().unsqueeze(0).unsqueeze(0)
        # kernel_up = torch.FloatTensor( [[0,-1,0],[0,1, 0 ],[0,0,0]]).cuda().unsqueeze(0).unsqueeze(0)
        # kernel_down = torch.FloatTensor( [[0,0,0],[0,1, 0],[0,-1,0]]).cuda().unsqueeze(0).unsqueeze(0)
        kernel_left = torch.FloatTensor([[0,