image-restoration-sde
image-restoration-sde copied to clipboard
reproduce the rain100H result
您好,这是我用两张3090运行训练rain100H的validation的log,代码需要迭代70w次,我中途迭代到38w次,psnr是在25.5附近(暂未训练完),感觉难以复现到论文的31.65,想排查下原因(没有改动代码,不清楚log是否正常,感觉不太稳定),方便上传您训练的log么;另外,train.py代码中的dataset_ratio多卡训练参数默认是200,是否需要调整,会对结果产生很大的影响么。
祝好,期待您的解答!
你好,dataset_ratio应该不影响结果。可以提供一下你的option文件吗?
option文件仅修改了gpu_ids和dataset路径,其他都是默认的,现在迭代51.5w次,psnr是27.45,主要不清楚您的项目代码psnr受随机种子影响大么;我先等训练完看最终结果,如果有问题再来请教,谢谢回复!
好的,一个小建议是使用大一点的patch size训练效果会好一些。
好的,我上次训完70w的结果psnr_y是29.5左右,可能是环境其他因素有所出入,谢谢您的建议!此外,还想请教下,我测试单张rain100H图像sample 100次需要20s左右(3090机器),您的工作是否可以通过DPM-solver加速sample,如果可以的话有具体的代码修改建议么?
理论上应该是可以的,因为我们论文里的score跟DDPM sample中的score是可以替换的,你可以将DDPM的各种sample策略用过来应该都OK。具体可以参考我尝试的一个Black-box ODE solver函数: https://github.com/Algolzw/image-restoration-sde/blob/c6b4e85979270f469d26c4455b02428256d8027d/codes/utils/sde_utils.py#L264
您好,您能提供训练ITS dehaze dataset,在indoor dehaze dataset验证的pretrained model或者option配置参数么(对应您IR-SDE论文附录最后一页);就是您在这个issue提到的,我在您提供的链接没找到权值文件或者测试结果
你好,这个indoor的模型我没有保存。。。不过你可以直接重新训练,参数设置基本和deraining差不多,只是sde的max_sigma是30.
您好,上面这张图是我是用单张卡训练rain100H的validation的log,迭代了70W次,最终psnr在28.7左右,我想问一下为什么这么低?我仅仅修改了options的数据集路径,其它都没有改动,按照默认的设置。是否单张卡训练和多卡训练会导致最终的结果不一样呢?
这张图是我用 pretrain_model_G: pretrained/latest_G.pth最后一次的保存模型进行测试的log,平均psnr仅仅有28.61,我想问一下是什么原因导致分数这么低?非常期待您的回答,感谢!
应该是和设置有关,我的建议是尽量使用大batch size和patch size (我用的是4GPU,patch size 64)。你可以plot一下训练曲线,可能还没完全收敛,这样的话单个GPU可能需要训练久一点。
您好,上面这张图是我是用单张卡训练rain100H的validation的log,迭代了70W次,最终psnr在28.7左右,我想问一下为什么这么低?我仅仅修改了options的数据集路径,其它都没有改动,按照默认的设置。是否单张卡训练和多卡训练会导致最终的结果不一样呢?
这张图是我用 pretrain_model_G: pretrained/latest_G.pth最后一次的保存模型进行测试的log,平均psnr仅仅有28.61,我想问一下是什么原因导致分数这么低?非常期待您的回答,感谢!
而且跟Restormer一样我们论文里report的是Y通道值哈
应该是和设置有关,我的建议是尽量使用大batch size和patch size (我用的是4GPU,patch size 64)。你可以plot一下训练曲线,可能还没完全收敛,这样的话单个GPU可能需要训练久一点。
@Algolzw 请问patch size参数在哪里调呢?
应该是和设置有关,我的建议是尽量使用大batch size和patch size (我用的是4GPU,patch size 64)。你可以plot一下训练曲线,可能还没完全收敛,这样的话单个GPU可能需要训练久一点。
@Algolzw 请问patch size参数在哪里调呢?
在options设置里(yml文件)改GT_size和LR_size:https://github.com/Algolzw/image-restoration-sde/blob/94664978d948c7bc632db41045227e6c0f3ffa48/codes/config/deraining/options/train/ir-sde.yml#L33
您好,上面这张图是我是用单张卡训练rain100H的validation的log,迭代了70W次,最终psnr在28.7左右,我想问一下为什么这么低?我仅仅修改了options的数据集路径,其它都没有改动,按照默认的设置。是否单张卡训练和多卡训练会导致最终的结果不一样呢?
这张图是我用 pretrain_model_G: pretrained/latest_G.pth最后一次的保存模型进行测试的log,平均psnr仅仅有28.61,我想问一下是什么原因导致分数这么低?非常期待您的回答,感谢!
而且跟Restormer一样我们论文里report的是Y通道值哈
想问下,对比的其他的论文也是他们的Y通道的PSNR吗,谢谢
是的,对于deraining来说绝大部分论文都是比较的y通道PSNR。