masktof代码复现

官方指南：

1. 要求：

• 在 Ubuntu x64 机器上使用 PyTorch 1.7.0 开发
• 简述要求/requirements.txt
• 完整的冻结环境可以在中找到/conda_env.txt，但其中许多库对于运行此代码来说并不是必需的

2. 数据：

• 下载test地址additional：4D Light Field Benchmark
• 将样品直接放入/data
• 确认 .txt 文件与/filenames数据结构匹配（如果添加或重新组织数据，请更新这些文件）
• 可选：从此驱动器链接下载预训练的网络检查点
• 提取pretrained.zip到\nets\pretrained
• 可选：从此驱动器链接下载“条形码”掩码
• 提取barcode_masks.zip到\utils\barcode_masks

3. 训练：

• bash debug.sh如果所有必备库都能正常运行，则应该像运行调试示例一样简单
• 输出将保存至checkpoint_dir=checkpoints/debug/
• --init mask_pattern_name设置初始掩码迭代，在本例中为具有均值和标准分布的gaussian_circles1.5,0.75高斯圆图案1.50.75
• --use_net是联合训练细化/重构网络的标志，如论文中所述
• 更多论据和说明可参见/train.py

4. 重建：

该笔记本reconstruction.ipynb包括一个交互式演示，用于从检查点文件夹加载网络、可视化掩模结构、模拟幅度测量和执行深度重建。

我的复现过程：

1. 报错：发生异常: RuntimeError Ninja is required to load C++ extensions

问了deepseek回答如下：

确认系统级Ninja是否安装

• Python包 ninja ≠ 系统工具 Ninja
  通过 pip install ninja 安装的是Python接口，而某些C++扩展依赖的是系统级的Ninja构建工具。
• 安装系统级Ninja：
  • Linux (Debian/Ubuntu)
    sudo apt install ninja-build
  • macOS (Homebrew)
    brew install ninja
  • Windows
    从 Ninja官网 下载二进制，将 ninja.exe 放入系统路径（如 C:\Windows\）。

看来还是要执行这一步安装，需要管理员权限：sudo apt install ninja-build

2. 报错： args = parser.parse_args()这里SystemExit: 2‘

因为我是在vscode进行debug的，所以没有输入参数。下面需要对参数再来代码里进行手动赋值。

parser.add_argument("--checkpoint_dir", default="checkpoints/4DLFB", type=str, required=True, help="Directory to save model checkpoints and logs") 缺少checkpoints，原github给了链接，下载下来。这里有个疑问，代码里地址是checkpoints/，指南里面却说放在net/路径下，先放在这个路径下了，把代码里地址改为这个，后面需要注意有无报错。下载道德模型如下，有5个，分别对应5个mask初始化模型。

这个时候还是报错SystemExit: 2，问了DS，发现如果使用代码调试不可以使用required=True，--checkpoint_dir 参数被标记为 required=True，但未在命令行中显式提供，就会报错。删除后可以继续进行调试。

3. 报错[Errno 2] No such file or directory: 'filenames/4DLFB_train.txt'

原理是txt文件里保存了data路径下的数据集，但是data路径下没有放，现在下数据集，指南上说只需要test 和 additional，未免以后需要更多数据，我下载了全部场景数据，共3.2G，下载用了10分钟左右。把下好的数据根据txt的内容放到data路径下。

上传完毕后继续执行，需要再改一些参数pretrained_net，use_net，因为我想使用已有模型。最后由于显存不够，batch_size由12个改到了2个才开始跑，先跑通试下效果，日志打出来是下面这样：