python版本3.8.5
├── Readme.md //帮助文档
├──dataSet //数据集文件夹
├──log //训练日志文件夹
├──models //存放训练好的模型的文件夹
├──tensorBoard //tensorboard文件存储
├──matrixQ //用于保存代码中使用的Qinit
├──model.py //模型代码
├──test.py //测试脚本
├──train.py //训练脚本
├──utils.py //工具箱
└──requirements.txt //环境依赖
按照如下架构将数据集保存至dataSet文件夹下
├── dataSet
│ ├──数据集名称
│ │ ├──A.mat
│ │ ├──X.mat
│ │ └──Y.mat
... ...
需要在train.py和test.py的指定位置编写用于选择部分数据进行训练或测试的代码,
例如12次迭代,共训练200epoch,学习率为1e-5,在2号显卡上使用数据集“0429”进行训练,启用tensorBoard则使用如下命令进行训练
python train.py --layer_num 12 --gpu_list 2 --end_epoch 200 --learning_rate 1e-5 --data_dir 0429 --tensor_board True
例如12次迭代,使用数据集“0429”在学习率为1e-5下训练到第160epoch的结果,在数据集“0429”上使用2号显卡进行测试,则使用如下命令
--layer_num 12 --gpu_list 2 --epoch_num 160 --learning_rate 1e-4 --training_data_dir 0429 --test_data_dir 0429
更多参数详见文件
训练后的模型按照如下结构保存在models文件夹下
├──models
│ ├──训练使用的数据集名称
│ │ ├──模型名-数据类型(ref/sim)-学习率-通道数
│ │ │ ├──模型文件
... ... ... ...
训练后的模型按照如下结构保存在result文件夹下
├──result
│ ├──训练使用的数据集名称
│ │ ├──模型名-数据类型(ref/sim)-学习率-通道数
│ │ │ ├──测试数据集名称
│ │ │ │ ├──n_grounTruth.png //groundtruth图片
│ │ │ │ ├──n_result.png //恢复结果
│ │ │ │ ...
│ │ │ │ └──log.txt //记录本次测试的相关信息
... ... ... ...