DnLUT 超高效的彩色图像去噪服务器训练教程
文章目录
- 前言
- 部署教程
- ☑️租用 CSDN 的星图 AI 训练
- ☑️激活环境与切换工作目录
- ☑️模型训练
- ☑️下载数据
- 总结
前言
由于本人电脑性能差，训练图像去噪模型比较吃力，于是打算租用服务器训练，使用的服务器是CSDN星图AI ，是我之前配置好的镜像，可直接部署，环境是通用的， 源码可以在在专栏对应的文章里面下载上传到服务器。
点击即可跳转到，《深度学习项目改进与实战》专栏目录
部署教程
☑️租用 CSDN 的星图 AI 训练
该镜像已经配置好基础好了，镜像环境说明
- 核心框架:
pytorch == 1.13.0 - CUDA版本:
12.1 - Python版本:
3.10.0 - 主要依赖:
torchvision==0.14.0,torchaudio==0.13.0,cudatoolkit=11.6,numpy,opencv-python,pandas,matplotlib,tqdm,seaborn等。
本地训练不起来，可以使用星图 AI 训练，训练环境已经配置好了，部署我的镜像即可使用：
深度学习项目训练环境
注意：该镜像可以训练大多数深度学习模型，只需上传源码或者数据集就行，环境已经配置好了，遇到缺什么库可以自行安装即可
启动完是这样的
☑️激活环境与切换工作目录
在使用前，请先激活的 Conda 环境，命令如下：
conda activate dl镜像启动后，使用 xftp 工具上传专栏提供的训练代码，并上传你自己数据集。为了方便修改代码，上传的代码或者数据集放到数据盘，或者通过下面这种方式上传源码或者数据集
之后进入代码目录，命令示例如下：
cd/root/workspace/源码文件夹名称解压源码
☑️模型训练
参考本地部署这篇文章训练，在服务器训练操作基本一样的：
点击即可跳转到，《深度学习项目改进与实战》专栏目录
解压数据集
打开 common/option_dnlut_gaussian.py 文件填一下必要的参数即可，参考如下
运行训练文件即可
如果显存报错：
解决方法： 调小 Batch Size
训练日志如下：
迭代次数 10000 跟 20000 效果如下：
☑️下载数据
服务器训练完，会保存模型，下载到本地就可以拿去用了，通过 Xftp 拖拉拽下载文件夹/文件，从右边拖拽文件夹/文件到左边的文件夹就行，文件的话可以鼠标双击就可以下载了，一般数据集比较大压缩后在下载，节约下载时间，反正上传和下载数据操作一样，只是拖拉拽方向不同。
双击传输的任务，就可以看到传输状态了
总结
迭代次数 10000 跟 20000 效果好像差不多，不懂是不是 DnLUT 模型问题，还是数据集问题，总之懂的都懂。