WenxueCui

> Dear @WenxueCui , > Greetings! > > I hope you are doing well. I am requesting you to please add my image compression paper to your GitHub repository. >...

很高兴对我的工作感兴趣。想要保存重建图片，你需要把tensor 转为 PILImage, 可以用力torchvision利用的工具。

> print(image.size()) # (C，H, W), 通道顺序（R,G,B) > unloader = transforms.ToPILImage() > def tensor_to_PIL(tensor): > image = tensor.cpu().clone() > image = image.squeeze(0) > image = unloader(image) > return image > model...

> 很高兴收到您的回复，我刚刚尝试了save，但是保存的图片是一片空白，请问有什么解决办法吗，不知道是哪里出了问题，学习 我不确定是什么原因，你可以查看一下值的范围，是不是图片像素越界了。 > import matplotlib.pyplot as plt from matplotlib.image import imread from net import CSNet import torchvision import numpy as np from Data import calculate_valid_crop_size from PIL import Image...

对于你提到的那个复现，我不是很了解；我这个复现可以达到与论文中差不多的效果。

是的，网络结构不是完全相同的，我的repo只是搭建了一个增强版的CSNet（CSNet_Enhanced）。你可以根据CSNetPlus网络结构进行修改，应该是比较容易的。 另外，训练数据的增强方式也有不同，这个你也可以根据原论文进行修改。 有问题可以随时交流。 @JaminLi

> > 是的，网络结构不是完全相同的，我的repo只是搭建了一个增强版的CSNet（CSNet_Enhanced）。你可以根据CSNetPlus网络结构进行修改，应该是比较容易的。 另外，训练数据的增强方式也有不同，这个你也可以根据原论文进行修改。 有问题可以随时交流。 @JaminLi > > 嗯嗯好的，非常感谢！ 不客气！

> > > > 是的，网络结构不是完全相同的，我的repo只是搭建了一个增强版的CSNet（CSNet_Enhanced）。你可以根据CSNetPlus网络结构进行修改，应该是比较容易的。 另外，训练数据的增强方式也有不同，这个你也可以根据原论文进行修改。 有问题可以随时交流。 @JaminLi > > > > > > > > > 嗯嗯好的，非常感谢！ > > > > > > 不客气！ > > 您好，请问您当时使用的是什么数据集来进行训练，测试的结果与CSNet文章中的相当呢？我通过使用DIV2K数据集的train800张图像进行训练，参数都是按照您代码中的默认参数，但是跑出来的结果PSNR只有17dB左右，请问这是为什么呢？我是否需要设置某些参数？ 数据集就用论文中的数据集就可以BSDS500， 你这是采样率为0.1情况下的结果吗？...

> > > > > > 是的，网络结构不是完全相同的，我的repo只是搭建了一个增强版的CSNet（CSNet_Enhanced）。你可以根据CSNetPlus网络结构进行修改，应该是比较容易的。 另外，训练数据的增强方式也有不同，这个你也可以根据原论文进行修改。 有问题可以随时交流。 @JaminLi > > > > > > > > > > > > > > > 嗯嗯好的，非常感谢！ > > > >...

> > > > > > > > 是的，网络结构不是完全相同的，我的repo只是搭建了一个增强版的CSNet（CSNet_Enhanced）。你可以根据CSNetPlus网络结构进行修改，应该是比较容易的。 另外，训练数据的增强方式也有不同，这个你也可以根据原论文进行修改。 有问题可以随时交流。 @JaminLi > > > > > > > > > > > > > > > > > >...