Initial commit

Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/tensorflow:1.15.1-centos7.6-dtk-22.10.1-py37-latest
+COPY requirements.txt requirements.txt
+RUN source /opt/dtk-22.10/env.sh
+RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone 
+ENV LANG C.UTF-8
+RUN pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

README.md

-# LapSRN
-## 模型介绍
-LapSRN是一种用于超分辨率重建的神经网络模型。它可以将低分辨率的图像增强到高分辨率，从而提高图像的质量和清晰度。
+# LAPSRN
+
+## 论文
+
+` Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution `
+
+- https://openaccess.thecvf.com/content_cvpr_2017/papers/Lai_Deep_Laplacian_Pyramid_CVPR_2017_paper.pdf
+
 ## 模型结构
-LapSRN模型主要有两个部分，即拉普拉斯金字塔预测模型和残差学习模型。
+ LapSRN模型主要有两个部分，即拉普拉斯金字塔预测模型和残差学习模型。 
+
+![](D:\git上传前\lapsrn_tensorflow\doc\模型结构.png)
+
+## 算法原理
+
+ 该模型是一个图像超分辨率模型，通过逐步放大结构，包括特征提取和图像重建，在每个阶段通过卷积和转置卷积层实现对图像的逐级提升。 
+
+![](D:\git上传前\lapsrn_tensorflow\doc\模型原理.png)
+
+## 环境配置
+
+### Docker（方法一）
+
+此处提供[光源](https://www.sourcefind.cn/#/service-details)拉取docker镜像
+
+```
+docker pull docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:1.15.1-centos7.6-dtk-22.10.1-py37-latest
+docker run -it --network=host --name=bert_prof --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=32G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 image.sourcefind.cn:5000/dcu/admin/base/tensorflow:1.15.1-centos7.6-dtk-22.10.1-py37-latest
+```
+
+### Dockerfile（方法二）
+
+dockerfile使用方法
+
+```
+docker build --no-cache -t lapsrn:latest .
+docker run -dit --network=host --name=lapsrn --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=16G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 lapsrn:latest
+docker exec -it lapsrn /bin/bash
+pip install -r requirements.txt
+```
+
+### Anaconda（方法三）
+
+关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
+
+```
+DTK驱动：dtk22.10
+python：python3.7
+tensorflow==1.15.1+gitf56f27ab.dtk2210
+```
+
+`Tips：以上dtk驱动、python等DCU相关工具版本需要严格一一对应`
+
+其它非深度学习库参照requirements.txt安装：
+
+```
+pip install -r requirements.txt
+```
+
 ## 数据集
-数据集下载地址：DIV2K
 
-https://data.vision.ee.ethz.ch/cvl/DIV2K/
+`模型使用数据为 DIV2K `
 
-## 训练及推理
-### 环境配置
+-  https://data.vision.ee.ethz.ch/cvl/DIV2K/ 
 
-加载环境变量
+项目中已提供用于试验训练的迷你数据集，训练数据目录结构如下，用于正常训练的完整数据集请按此目录结构进行制备：
 
-export PATH={PYTHON3_install_dir}/bin:$PATH
+```
+ ── datasets
+       │   ├── DIV2K_train_HR
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── DIV2K_train_LR_bicubic
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── DIV2K_valid_HR
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── DIV2K_valid_LR_bicubic
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+```
 
-export LD_LIBRARY_PATH={PYTHON3_install_dir}/lib:$LD_LIBRARY_PATH
 
-python依赖安装：
 
-    tensorflow==1.15.1
-### 训练
-训练命令：
 
-    config.valid.hr_folder_path = '/../LapSRN/data/DIV2K_valid_HR/'
-    config.valid.lr_folder_path = '/../LapSRN/data/DIV2K_train_LR_bicubic/X4/'
-    
-    python main.py
+## 训练
+### 单机单卡
 
+```
+python main.py
+```
 
-### 测试
-测试命令：
+## 推理
 
     python main.py -m test \
                    -f TESTIMAGE
 
+## result
+
+测试图
+
+![](D:\git上传前\lapsrn_tensorflow\datasets\DIV2K_valid_HR\0801.png)
+
+### 精度
 
+测试数据：https://data.vision.ee.ethz.ch/cvl/DIV2K/ ，使用的加速卡:Z100L。
 
+根据测试结果情况填写表格：
+
+| LAPSRN | loss  | 速度  |
+| :----: | :---: | :---: |
+| DIV2K  | 0.461 | 4it/s |
+
+## 应用场景
+
+### 算法类别
+
+`图像超分`
+
+### 热点应用行业
+
+`设计`
 
 ## 源码仓库及问题反馈
-* [https://github.com/zjuela/LapSRN-tensorflow](https://github.com/zjuela/LapSRN-tensorflow)
-## 参考
-* [https://github.com/zjuela/LapSRN-tensorflow](https://github.com/zjuela/LapSRN-tensorflow)
+
+*  https://github.com/zjuela/LapSRN-tensorflow 
+## 参考资料
+* https://github.com/zjuela/LapSRN-tensorflow 
+

model.properties

+# 模型唯一标识
+modelCode = 167
+# 模型名称
+modelName=LapSRN_tensorflow 
+# 模型描述
+modelDescription=LapSRN是一种用于超分辨率重建的神经网络模型，全称为Laplacian Pyramid Super-Resolution Network。它可以将低分辨率的图像增强到高分辨率，从而提高图像的质量和清晰度。LapSRN模型基于图像金字塔理论，采用多级金字塔结构，通过渐进性的上采样和细节增强，逐步提高图像分辨率。
+# 应用场景
+appScenario=推理,训练,图像超分,设计
+# 框架类型
+frameType=tensorflow

tensorlayer/files.py

@@ -627,7 +627,7 @@ def load_npz(path='', name='model.npz'):
     #     print('Loading %s, %s' % (key, str(val.shape)))
     # return params
     ## if save_npz save params into a list
-    d = np.load( path+name )
+    d = np.load( path+name, allow_pickle=True, encoding='latin1')
     # for val in sorted( d.items() ):
     #     params = val
     #     return params

utils.py

 import scipy
 import numpy as np
+import imageio
+
+# def get_imgs_fn(file_name):
+#     return imageio.imread(file_name, pilmode='RGB')
 
 def get_imgs_fn(file_name):
 	return scipy.misc.imread(file_name, mode='RGB')