NAFNet复现_nafnet(nonlinear activation free network )

NAFNet: Nonlinear Activation Free Network for Image Restoration

代码链接：GitHub - megvii-research/NAFNet: The state-of-the-art image restoration model without nonlinear activation functions.

1. 环境：torch 1.13.1

2. 数据集准备

使用NAFNet-main\scripts\data_preparation\gopro.py 对图片进行裁剪，大小为crop_size，这个文件内会调用create_lmdb_for_gopro()函数将裁剪完成的图片生成后缀为.lmdb的文件。

如果图片不需要裁切的话，可以修改NAFNet-main\basicsr\utils\create_lmdb.py中的create_lmdb_for_gopro()函数里的路径，注意图片后缀是jpg还是png。

def create_lmdb_for_gopro():
    folder_path = './datasets/GoPro/train/blur_crops'
    lmdb_path = './datasets/GoPro/train/blur_crops.lmdb'
 
    img_path_list, keys = prepare_keys(folder_path, 'png')
    make_lmdb_from_imgs(folder_path, lmdb_path, img_path_list, keys)
 
    folder_path = './datasets/GoPro/train/sharp_crops'
    lmdb_path = './datasets/GoPro/train/sharp_crops.lmdb'
 
    img_path_list, keys = prepare_keys(folder_path, 'png')
    make_lmdb_from_imgs(folder_path, lmdb_path, img_path_list, keys)

在create_lmdb.py末尾加上下面两行代码，右键运行后就可以直接生成lmdb文件了。

if __name__ == '__main__':
    create_lmdb_for_gopro()

3. 修改配置文件，打开NAFNet-main/options/train/GoPro/NAFNet-width64.yml，如果是单gpu，修改num_gpu = 1，修改训练集和验证集的路径dataroot_gt、lq为上一步中生成的文件路径，根据图片大小修改gt_size，根据实际情况修改num_worker和batch_size。total_iter是总迭代次数。

4. 打开NAFNet-main\basicsr\train.py，将'-opt'后加上default为yml路径后，就可以右键开始训练了。如果是单机单卡的话，注意不要使用分布式训练，会报错。