MSCNN_dehaze.rar

Single image dehazing via multi-scale convolutional neural network 使用tensorflow，数据集是nyu2

import os
import numpy as np
import tensorflow as tf
class ConfigFactory（object）:
    def __init__（self name=‘networks‘lr_base = 0.001batch_size = 8total_iters=100model_path = “/data0/chenrui/model_path“）:
        self.name = name
        self.batch_size = batch_size
        self.total_iters = total_iters#迭代次数
        
        self.lr_base = lr_base#学习率
        self.lr_decay = 0.99#学习率
        self.model_path = model_path
        self.log_router = model_path + “/“+ self.name + “/log/“  #日志路径
        self.ckpt_router =model_path + “/“+ self.name + “/ckpts/“ #模型路径
        self.result_router = model_path + “/“+ self.name + “/result/“      #输出结果路径
        if not os.path.exists（model_path+‘/‘+self.name）:
            os.makedirs（self.log_router+“train/“）
            os.makedirs（self.log_router+“val/“）
            os.makedirs（self.ckpt_router）
            os.makedirs（self.result_router）
    def display_configs（self）:
        msg = ‘‘‘
        ------------ infor of %s model -----------------------------------------
        batch size              : %s
        learing rate base       : %f
        learing rate decay      : %f
        iter num                : %s
        log router              : %s
        ckpt router             : %s
        result router           : %s
        ------------------------------------------------------------------------
        ‘‘‘ % （self.name self.batch_size self.lr_base self.lr_decay  self.total_iters  self.log_router self.ckpt_routerself.result_router）
        print（msg）
        return msg
    
    def _debug_info（self）:
        variables_names = [[v.name v.get_shape（）.as_list（）] for v in tf.trainable_variables（）]
        print （“Trainable Variables:“）
        tot_params = 0
        self.var_log = open（self.result_router + r‘variables.logs‘ mode=‘a+‘ encoding=‘utf-8‘）
        for i in variables_names:
            var_params = np.prod（np.array（i[1]））
            tot_params += var_params

            self.var_log.writelines（str（i[0]） + ‘  ‘ + str（i[1]） + ‘  ‘ + str（var_params ） + ‘\n‘）
            print （i[0] i[1] var_params）
        print （“Total number of Trainable Parameters: “ str（tot_params/1000.0）+“K“）  
        self.var_log.writelines（“Total number of Trainable Parameters: “ + str（tot_params/1000.0）+“K“）
        self.var_log.close（）
    def data_iterator（selfdatalabel）:#产生迭代数据

        num_examples = data.shape[0]
        num_batch = num_examples // self.batch_size#//取的是结果的最小整数
        num_total = num_batch * self.batch_size
        while True:
            perm = np.arange（num_examples）
            np.random.shuffle（perm）
            shuf_data = data[perm]
            shuf_label = label[perm]
            for i in range（0 num_total self.batch_size）:
                batch_data = shuf_data[i:i + self.batch_size]
                batch_label = shuf_label[i:i + self.batch_size]
                yield batch_data batch_label
           

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        517  2019-05-29 21:57  MSCNN\ckpts\checkpoint

     文件      96184  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-50.data-00000-of-00001

     文件       1815  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-50.index

     文件     213328  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-50.meta

     文件      96184  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-60.data-00000-of-00001

     文件       1815  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-60.index

     文件     213328  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-60.meta

     文件      96184  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-70.data-00000-of-00001

     文件       1815  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-70.index

     文件     213328  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-70.meta

     文件      96184  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-80.data-00000-of-00001

     文件       1815  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-80.index

     文件     213328  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-80.meta

     文件      96184  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-90.data-00000-of-00001

     文件       1815  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-90.index

     文件     213328  2019-05-29 21:57  MSCNN\ckpts\dehaze_cnn.ckpt-90.meta

     文件       3075  2019-05-29 21:43  MSCNN\config.py

     文件       8062  2019-05-29 21:58  MSCNN\mscnn.py

     文件       4661  2019-05-29 21:55  MSCNN\mscnn_data.py

     文件       5614  2019-05-29 21:42  MSCNN\ops.py

     文件      81512  2019-05-29 21:57  MSCNN\result\105.jpg

     文件      50461  2019-05-29 21:57  MSCNN\result\canyon1.jpg

     文件      52215  2019-05-29 21:57  MSCNN\result\canyon2.jpg

     文件      78753  2019-05-29 21:57  MSCNN\result\forest1.jpg

     文件      58789  2019-05-29 21:57  MSCNN\result\nampikin.jpg

     文件      57533  2019-05-29 21:57  MSCNN\result\shan.jpg

     文件     429902  2019-05-29 21:57  MSCNN\result\tiananmen1.png

     文件     597681  2019-05-29 21:57  MSCNN\result\tree2.png

     目录          0  2019-05-29 21:57  MSCNN\ckpts

     目录          0  2019-05-29 21:57  MSCNN\result

............此处省略4个文件信息