Exposure_Correction-pytorch 项目常见问题解决方案

Exposure_Correction-pytorch 项目常见问题解决方案

项目基础介绍

Exposure_Correction-pytorch 是一个非官方的 PyTorch 实现项目，旨在复现 CVPR2021 论文《Learning Multi-Scale Photo Exposure Correction》中提出的图像曝光校正技术。该项目的主要编程语言是 Python，并使用了 PyTorch 深度学习框架。

新手使用注意事项及解决方案

1. 环境配置问题

问题描述：新手在配置项目环境时可能会遇到 Python 版本或 PyTorch 版本不兼容的问题。

解决步骤：

1. 检查 Python 版本：确保你的 Python 版本是 3.8.0 或更高版本。你可以通过运行 python --version 来检查当前的 Python 版本。
2. 安装 PyTorch：根据你的 CUDA 版本安装合适的 PyTorch 版本。如果 CUDA 版本是 11.1，可以使用以下命令安装 PyTorch：

   conda create -n mspec_env python==3.8
   conda activate mspec_env
   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
   

3. 安装其他依赖：运行 pip install -r requirements.txt 安装项目所需的其他依赖包。

2. 数据集准备问题

问题描述：新手在准备数据集时可能会遇到数据集路径不正确或数据格式不匹配的问题。

解决步骤：

1. 下载数据集：从官方 GitHub 仓库下载训练、验证和测试数据集。
2. 放置数据集：将下载的数据集放置在项目的根目录下，并按照以下结构组织：

   Exposure_Correction-pytorch
   ├── MultiExposure_dataset
   │   ├── testing
   │   ├── training
   │   └── validation
   

3. 数据预处理：运行 python /tools/creat_patch.py 脚本对数据进行预处理，生成新的 Patchs 文件夹。

3. 训练过程中的问题

问题描述：新手在训练模型时可能会遇到训练中断或结果不理想的问题。

解决步骤：

1. 检查训练命令：确保你使用的训练命令是正确的。例如，训练时没有使用对抗损失的命令是：

   python mspec_train.py
   

   如果你想添加对抗损失，可以使用：

   python mspec_train.py --use_advlos
   

2. 监控训练过程：使用 TensorBoard 或其他工具监控训练过程中的损失和指标变化，确保训练过程正常。
3. 调整超参数：如果训练结果不理想，可以尝试调整学习率、批量大小等超参数，或者使用预训练模型进行微调。

通过以上步骤，新手可以更好地理解和使用 Exposure_Correction-pytorch 项目，解决常见的问题。