--- title: SwinIR-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: SwinIR,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/f7c66e46b05f438ea038ecd92e5dee87?index_id=f7c66e46b05f438ea038ecd92e5dee87 section: (其他) --- # SwinIR-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/f7c66e46b05f438ea038ecd92e5dee87?index_id=f7c66e46b05f438ea038ecd92e5dee87 描述: 生态贡献模型 关键词: SwinIR,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 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) SwinIR-PyTorch ## SwinIR-PyTorch 视觉生成PyTorch训练213次浏览2026/01/19更新 查看模型源码 SwinIR-PyTorch 查看模型源码 ... # 概述 ## 简述 SwinIR是一个使用Swin转变的经典的图像复原网络。 - 参考实现： ``` url=https://github.com/JingyunLiang/SwinIR.git commit_id=9b1a9bf5d1df3b18c32a49ea82f60c313d779f7d ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/others ``` - 通过Git获取代码方法如下： ``` git clone {url} # 克隆仓库的代码 cd {code_path} # 切换到模型代码所在路径，若仓库下只有该模型，则无需切换 ``` - 通过单击“立即下载”，下载源码包。 # 准备训练环境 ## 准备环境 - 当前模型支持的固件与驱动、 CANN 以及 PyTorch 如下表所示。 表 1版本配套表 | 配套 | 版本 | | --- | ---| | 固件与驱动 | 5.1.RC2 | | CANN | 5.1.RC2 | | PyTorch | 1.5.0 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 ``` pip install -r requirements.txt ``` ## 准备数据集 1. 获取数据集。 用户自行获取原始数据集，可选用的开源数据集包括DIV2K，Set5等，将数据集上传到服务器任意路径下并解压。 以DIV2K和Set5数据集为例，DIV2K数据集目录结构参考如下所示。 ``` ├── DIV2K │ ├──DIV2K_test_LR_bicubic │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_test_LR_unknown │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_HR │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_LR_bicubic │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... │ ├──DIV2K_train_LR_unknown │ │ ├──X2 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X3 │ │ │ ├──图片1、2、3、4 ... │ │ ├──X4 │ │ │ ├──图片1、2、3、4 ... ``` Set5数据集目录结构参考如下所示。 ``` ├── Set5 │ ├──GTmod12 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx2 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx3 │ │ ├──图片1、2、3、4 ... │ ├──LRbicx4 │ │ ├──图片1、2、3、4 ... │ ├──original │ │ ├──图片1、2、3、4 ... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_full_1p.sh --data_path1=./DIV2K --data_path2=./Set5 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh --data_path1=./DIV2K --data_path2=./Set5 ``` 模型训练脚本参数说明如下。 ``` 公共参数： --data_path1 //训练数据集路径 --data_path2 //训练过程中用于测试模型精度的数据集路径 ``` 训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。 # 训练结果展示 表 2训练结果展示表 | NAME | Acc@1 | FPS | Epochs | AMP_Type | | --- | --- | --- | --- | ---| | 1p-v100 | 38.23dB | 15.09 | 300 | - | | 1p-910 | 37.62dB | 8.88 | 300 | O2 | | 8p-v100 | 38.23dB | 109.58 | 300 | - | | 8p-910 | 37.63dB | 63.83 | 300 | O2 | # 版本说明 ## 变更 2022.09.15：首次发布。 ## 已知问题 无。 # 公网地址说明 代码涉及公网地址参考 public_address_statement.md | 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)