Deep Learning for Massive MIMO CSI Feedback跑代码

一、本地跑代码

macOS monterey

PyCharm 2021.2.3

Anaconda（需要配置好keras和tensorflow）

基于以上环境，拷贝代码和数据集到PyCharm中，运行失败。报错原因大概是没有GPU。放弃。

二、线上跑代码

选择google Colaboratory。此处需要一点点科学上网的小技巧。

网址：https://colab.research.google.com

1.点左上角图标进入google云端硬盘。

2.选择我的云端硬盘，新建文件夹CsiNet 

 3.进入CsiNet文件夹，将数据集拖入。6.83G，大概需要40多分钟能上传完成。

 4.CsiNet文件夹下：新建-更多- Google Colaboratory

 5.更改名字，复制CsiNet_train.py的代码进来。修改路径和tensorflow版本。

修改路径可以在代码中一个一个的修改，但很麻烦，容易漏掉。也可以选择在开头加入以下代码，一起修改。

from google.colab import drive
drive.mount('/content/drive')
import os
os.chdir('/content/drive/MyDrive/CsiNet')

因为tensorflow2和1版本有些区别，将#import tensorflow as tf 改为：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

6.四个.py文件都同样处理。 

CsiNet_onlytest中下图位置需要修改一下file的路径，否则找不到文件。

7.装载&笔记本设置为GPU

 

 

 8.运行结果。（为了写笔记，跑快点，epochs改成了10）

 

三、用此方法搞了很久，后来发现自己愚蠢至极。

直接将数据集和4个.py文件拖进谷歌云盘的一个CsiNet文件夹下。

新建-更多-colaboratoray。

更改笔记本为GPU模式。

运行以下代码就好了。