RCAN实验分析
RCAN复现
摘要：RCAN是一种很深的卷积神经网络，其包含 RIR（Residual In Residual）架构，加快了网络的训练速度，还包含通道注意力（Channel Attention）机制，通过对特征通道之间的相互依赖性建模来自适应地重新缩放每个通道的特征。本文通过下载的RCAN源代码，搭建了相应的环境对其进行复现，并对复现过程相应的步骤进行了详细介绍。
关键字：RCAN，RIR,CA
1.环境搭建
1.1 Anaconda安装
https://blog.csdn.net/u012308586/article/details/89447372
1.2 Pycharm安装
下载地址：
https://blog.csdn.net/pdcfighting/article/details/80297499
在这里注册码有问题，有效注册码见附件或下面的网址：
https://www.lagou.com/lgeduarticle/34004.html
安装完成后要更改解释器：
https://blog.csdn.net/Jon2os0on/article/details/81989685
1.3 安装CUDA8.1
下载地址：
安装方式：
https://blog.csdn.net/qq_33993942/article/details/79149669
1.4 安装cudnn 9.0
下载地址：
https://developer.nvidia.com/cudnn
安装方式：
https://blog.csdn.net/qq_33993942/article/details/79149669
1.5 安装Pytorch 0.4.0
由于国内的镜像源在Anaconda中无法使用因此采用了在cmd中用pip安装：
pip install http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whl
1.6 安装torchvision
pip install torchvision-0.2.1-py2.py3-none-any.whl
2 详细步骤
2.1 下载RCAN源代码并在pycharm中打开
下载地址：
https://github.com/yulunzhang/RCAN
2.2 查看Readme下载相应的数据集和模型等文件并放到相应的文件夹
1）DIV2K
https://cv.snu.ac.kr/research/EDSR/DIV2K.tar
2）下载模型放到/RCAN_TrainCode/experiment/model
https://www.dropbox.com/s/qm9vc0p0w9i4s0n/models_ECCV2018RCAN.zip?dl=0
3）下载除Set5外的其他测试数据集并放到
下载地址
https://drive.google.com/drive/folders/1xyiuTr6ga6ni-yfTP7kyPHRmfBakWovo?usp=sharing
4）在MATLAB中运行Prepare_TestData_HR_LR.m生成不同退化模型的测试数据集
2.3 检查需要的包是否完全
1）缺少tqdm，进行安装
pip install tqdm -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
2）相同文件夹下导入出现错误
选择对应文件夹右键--->设置文件夹为----->根目录
3）更改numpy 版本到1.6
4） 根据TrainRCAN_scripts.sh 和TestRCAN_scripts.sh文件进行参数的更改
在Run/Debug Configuratios——>Parameters中写入需要更改的参数
5） 在option.py 中进行参数的更改
4. 实验结果及分析
4.1 实验细节
训练数据集：DIV2K
测试数据集：Set5
损失函数：L1损失函数
--n_resgroups（RG数量）： 10
--n_resblocks （RCAB数量）：20
--n_feats 通道数）：64
最后的实验结果跑的还是有问题，暂时就先不发了
