FMA-Net 部署

FMA-Net 部署

项目地址

FMA-Net

环境配置

conda create -n fmanet python=3.9
conda activate fmanet

pip install numpy==1.21.2

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

pip install opencv-python
pip install einops
pip install scipy==1.10.1
pip install tqdm

数据下载

REDS

下载后，解压到 ./dataset/REDS

运行命令

1. generate REDS4

cd FMA-Net

python preprocessing/generate_reds4.py

生成后的 REDS4 数据集目录结构

以 train_blur_bicubic 为例

./dataset/REDS4
├── train_blur_bicubic
├──── train
├──────── train_blur_bicubic
├──────────── X4
├─────────────── 000
├────────────────── 0000000.png
├────────────────── 0000001.png
├────────────────── ...
├─────────────── 001
├────────────────── 0010000.png
├────────────────── 0010001.png
├────────────────── ...
├─────────────── ...

2. generate FMA-Net flow

python preprocessing/generate_flow.py --model ./pretrained/raft-sintel.pth --mixed_precision

3. 训练

• 第一次训练，需要更改配置

  • 修改 FMA-Net/experiment.cfg, 将 stage = 2 修改为 stage = 1

• 如果使用预训练模型

  • FMA-Net/experiment.cfg, 保持 stage = 2
  • 下载预训练模型, 解压，将模型文件放在 ./result/FMA-Net/model_stage2/

python main.py --train --config_path experiment.cfg

4. 测试

python main.py --test --config_path experiment.cfg

可能出现的问题

• cuda 无法使用

检查 cuda 版本，和 pytorch 版本是否匹配

• numpy 报错

检查 numpy 版本，是否与项目要求一致

• 数据路径错误

结合代码，检查数据路径是否正确