--- title: FSRCNN_ID2990-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: FSRCNN,ID,PyTorch,模型库,ModelZoo,昇腾社区,训练,概述 url: https://www.hiascend.com/software/modelzoo/models/detail/e592f195722544f7af26f8708b451940?index_id=e592f195722544f7af26f8708b451940 section: (其他) --- # FSRCNN_ID2990-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/e592f195722544f7af26f8708b451940?index_id=e592f195722544f7af26f8708b451940 描述: 生态贡献模型 关键词: FSRCNN,ID,PyTorch,模型库,ModelZoo,昇腾社区,训练,概述 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) FSRCNN_ID2990-PyTorch ## FSRCNN_ID2990-PyTorch 视觉生成PyTorch训练237次浏览2026/01/19更新 查看模型源码 FSRCNN_ID2990-PyTorch 查看模型源码 ... # FSRCNN训练 ## 概述 ### 简述 超分辨率超卷积神经网络(SRCNN)作为一种成功应用的图像超分辨率(SR)深度模型，在速度和恢复质量上表现出了比之前更好的性能 。然而，高的计算成本仍然阻碍了它在需要实时性能的场景下使用。FSRCNN是一种紧凑的沙漏形CNN结构，可以实现更快、更好的进行SR。该模型提高了40倍以上的速度，恢复质量更好 - 参考论文：Accelerating the Super-Resolution Convolutional Neural Network (arxiv.org) [了解详情](https://arxiv.org/abs/1608.00367) - 参考链接：yjn870/FSRCNN-pytorch: PyTorch implementation of Accelerating the Super-Resolution Convolutional Neural Network (ECCV 2016) (github.com) [了解详情](https://github.com/yjn870/FSRCNN-pytorch) ### 默认配置 - 训练超参： - batch_size: 16 - lr: 1e-3 - num-epochs: 20 - num-workers: 8 - scale: 3 （根据需要设置为2,3,4。该参数进行修改时需要同时修改使用的训练集和验证集） ## 训练环境准备 - 硬件环境和运行环境准备请参见《CANN软件安装指南 [了解详情](https://gitee.com/link?target=https%3A%2F%2Fsupport.huawei.com%2Fenterprise%2Fzh%2Fascend-computing%2Fcann-pid-251168373%3Fcategory%3Dinstallation-update)》 - 需要安装以下依赖 - Numpy 1.15.4 - Pillow 5.4.1 - h5py 2.8.0 - tqdm 4.30.0 ## 快速上手 ### 数据集准备 使用的训练集为91-image，验证集为Set5。 下载完数据集后运行prepare.py文件转换为h5py格式的数据。 ``` python3 prepare.py --images-dir "images-dir" \ --output-path "data/Set5_x3.h5" \ --scale 3 ``` ### 模型训练 - 单击“立即下载”，并选择合适的下载方式下载源码包。 - 开始训练。 - 启动训练之前，首先要配置程序运行相关环境变量。 环境变量配置信息参见： [Ascend 910训练平台环境变量设置](https://gitee.com/ascend/modelzoo/wikis/Ascend [了解详情](https://gitee.com/ascend/modelzoo/wikis/Ascend)910训练平台环境变量设置?sort_id=3148819) - 单卡训练 1、 根据数据集实际路径配置data_path，使用命令行进行训练： 训练时scale的值应该与train-file和eval-file选用的数据集保持一致。例如scale=4，则train-file为91-image_x4.h5，eval-file为Set5_x4.h5。 ``` python3 train.py --train-file "data/91-image_x3.h5" \ --eval-file "data/Set5_x3.h5" \ --outputs-dir "/outputs" \ --scale 3 \ --lr 1e-3 \ --batch-size 16 \ --num-epochs 20 \ --num-workers 8 \ --seed 123 ``` 2、精度指标 | PSNR | 论文 | GPU | NPU | | --- | --- | --- | ---| | Scale2 | 37.12 | 37.06 | 37.03 | | Scale3 | 33.22 | 33.61 | 33.56 | | Scale4 | 30.50 | 30.48 | 30.45 | 3、性能指标 | GPU | NPU | | --- | ---| | 2500 it/s | 3800 it/s | ## 高级参考 ### 脚本和示例代码 ``` │-datasets.py │-LICENSE │-models.py 模型定义 │-prepare.py h5py文件准备 │-README.md │-requirements.txt 所需包 │-test.py 测试单张图片效果 │-train.py 模型训练函数 │-utils.py 工具类 │-data 数据存储文件夹 ├── test │ ├──train_full_1p.sh //单卡全量训练启动脚本 ``` | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)