Cross-Scale-Non-Local-Attention环境搭建和预训练模型测试|简记

Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining
代码 https://github.com/SHI-Labs/Cross-Scale-Non-Local-Attention

---

环境搭建

服务器：Ubuntu16.04 GTX1080
CUDA版本 9.1；
Linux下cuda9.1安装Pytorch和Torchvision|简记

conda create -n nice python=3.6.9

conda activate nice

pip install torch==1.1.0

pip install torchvision==0.3.0

pip install pillow==5.2.0

pip install opencv-python

pip install scipy
pip install thop
pip install  matplotlib

pip install  imageio

pip install tqdm

pip install scikit-image

---

预训练模型测试

• 这个模型，可选的参数一大堆，逐个观察理解吧；

数据集的准备：

• 把下载好的 benchmark 数据 解压之后 ，默认需要放在 项目同级 目录（我放在了项目目录下）；

因为：–dir_data 这个参数 用来设置 benchmark 文件的 相对位置，benchmark 包含了set5、set14、Urban100、bsd100 四个数据集，如果自己不读代码，就想当然的安排数据集，怕不会要脑瓜疼，benchmark 的下载请去
EDSR-PyTorch 页面找一下，搜索关键字就可以找到。

• 开始测试

# Example X2 SR

python3 main.py --model CSNLN --data_test Set5+Set14 --data_range 801-900 --scale 2 --n_feats 128 --depth 12 --pre_train ../models/model_x2.pt --cpu --save_results --test_only --chop

---

遇到的问题备注：

---

如果在 src 目录下，进行命令测试的话，可能会报错说：

utils.tools  找不到 这一类的错误，这是因为 文件 import  相对路径的问题

解决方法如下：