1

QuadPrior 在 5070 Ti 上的实际推理复现步骤总结

这次我们复现的是当前仓库的 CVPR 2024 QuadPrior 主干推理，不是完整 TPAMI 2026 扩展版。仓库路径是 README.md，推理入口是 test.py。

一、环境
实际可运行环境如下：

• 系统：Windows
• GPU：NVIDIA GeForce RTX 5070 Ti
• 驱动：591.74
• Python：3.10
• PyTorch：2.9.1+cu128
• CUDA runtime：12.8

验证命令：

python -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'no cuda')"

你这边成功输出的是：

• 2.9.1+cu128
• 12.8
• True
• NVIDIA GeForce RTX 5070 Ti

二、权重
需要准备 3 个权重文件，并替换仓库里的空占位文件：

• checkpoints/COCO-final.ckpt
• checkpoints/main-epoch=00-step=7000.ckpt
• models/control_sd15_ini.ckpt

可以用下面命令检查大小不是 0：

python -c "import os; print('COCO-final', os.path.getsize(r'checkpoints/COCO-final.ckpt')); print('bypass', os.path.getsize(r'checkpoints/main-epoch=00-step=7000.ckpt')); print('sd_init', os.path.getsize(r'models/control_sd15_ini.ckpt'))"

你这次实际拿到的是有效文件：

• COCO-final.ckpt 约 1.61 GB
• main-epoch=00-step=7000.ckpt 约 1.17 GB
• control_sd15_ini.ckpt 约 5.22 GB

三、为了在 5070 Ti / Windows / 新 PyTorch 上跑通，我们做了两处兼容修改

1. 在 cldm.py 里去掉推理路径对 deepspeed 的硬依赖。
   原因：原仓库把训练优化器 import 写死在模型定义里，导致推理也强制要求 deepspeed。

2. 在 cldm.py 里修复新 PyTorch 下 torch.load 的 weights_only=True 默认行为。
   原因：PyTorch 2.6+ 默认更严格，而 main-epoch=00-step=7000.ckpt 里带有 OmegaConf 元数据。

如果你后面写博客，这两点建议单独写成“复现时的工程兼容性问题”。

四、推理运行命令
进入仓库根目录：

cd D:\optical_workplace\QuadPrior-main\QuadPrior-main

运行示例推理：

python test.py --input_folder .\test_data --same_folder .\output_QuadPrior

这次跑通后，输出结果会在：
output_QuadPrior

参考结果在：
output_QuadPrior-reference

五、成功运行时的典型日志特征
如果推理正常，通常会看到这些信息：

• ====== Load parameters ======
• Successfully load new auto-encoder
• ====== Finish loading parameters ======
• Find 3 files in .\test_data
• Data shape for DPM-Solver sampling is ...
• DPM init order ...
• DPM multistep ...

这说明：

• 主干模型加载成功
• bypass decoder 加载成功
• DPM-Solver 采样成功
• 3 张测试图都处理完成

---

如果你要换成自己拍的图片，怎么做？

很简单，不需要改代码。

方法 1：直接新建一个文件夹

比如你新建：
D:\optical_workplace\QuadPrior-main\QuadPrior-main\my_test

把你自己拍的低照图放进去，比如：

• night1.jpg
• room_dark.png
• street.jpeg

然后运行：

python test.py --input_folder .\my_test --same_folder .\output_my_test

输出会在：
output_my_test

方法 2：直接替换 test_data

也可以把你自己的图放到：
test_data

然后继续运行：

python test.py --input_folder .\test_data --same_folder .\output_QuadPrior

但我更推荐 方法 1，这样不会覆盖原始示例。

---

对自己拍图片的几个建议

1. 尽量用常见格式
这份代码会遍历 *.*，所以常见的：

• .jpg
• .jpeg
• .png
  基本都可以。

2. 不用手动 resize
代码里会自动 resize 到适合网络的分辨率，见 test.py。

3. 文件名最好简单一点
虽然代码能处理复杂文件名，但建议用：

• img1.jpg
• night_room.png
  这种更稳。

4. 输出统一会保存成 .png
在 test.py 里，保存时会强制改成 .png。

---

一个完整例子

假设你把自己拍的 2 张图放进：
D:\optical_workplace\QuadPrior-main\QuadPrior-main\my_phone_photos

运行：

cd D:\optical_workplace\QuadPrior-main\QuadPrior-main python test.py --input_folder .\my_phone_photos --same_folder .\output_phone_results

处理结果会在：
output_phone_results