SRGAN的代码复现并详细分享环境配置

简单记录一下复现SRGAN的过程和环境文档，并没有太多复杂的东西——阿波，2020.7.19

环境

conda create --name test python=3.6

pip install tensorflow==1.11.0

pip install Pillow

pip install scipy==1.2.1

pip install keras==2.2.4

直接运行会出现这个，下载速度还是非常慢的，因为在构建网络的时候使用的VGG19网络：
Downloading data from https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg19_weights_tf_dim_ordering_tf_kernels.h5

所以需要手动下载VGG19的网络，只需将上面的下载链接放在迅雷下载下来即可：
包含最后3个全连接层的VGG19模型下载地址

可以加载在IMAGENET上预训练的权值. 当使用tensorflow作为backend时, 应该在keras.json中设置

通过这个指令打开该文件夹，并将模型文件放进去就可以运行第一个demo了。
nautilus ~/.keras/models/

代码

可直接运行代码地址：修改过部分并配置了模型权重

参考的原作者链接：Easiest-SRGAN-demo

论文地址：Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarial Network

思路

论文思路：SRGAN-超分辨率图像复原

代码上如上图所示，SRGAN网络结构比较鲜明，自上而下分别是：超参数设置，VGG19网络的导入，生成器和判别器的初始化，训练和测试部分对图像进行了处理，我们只要参考 data_loader.py 子函数就可以