DnCNN的pytroch完整代码

DnCNN（Deep Neural Network for Image Denoising）是一种深度学习模型，用于图像去噪任务，通常基于卷积神经网络（CNN）。PyTorch 是一个广泛使用的深度学习框架，下面是一个简化的 PyTorch 实现 DnCNN 的基本结构代码：

import torch
import torch.nn as nn

class DnCNN(nn.Module):
    def __init__(self, in_channels=1, out_channels=1, n_layers=17, kernel_size=3, padding=1, bias=True):
        super(DnCNN, self).__init__()
        
        self.n_layers = n_layers
        self.conv_blocks = nn.Sequential()
        for _ in range(n_layers):
            conv_block = [nn.Conv2d(in_channels, out_channels, kernel_size, padding=padding, bias=bias),
                          nn.ReLU(inplace=True)]
            if _ == n_layers - 2:  # Last layer without ReLU activation
                conv_block.pop()  # Remove ReLU
            self.conv_blocks.add_module(f'conv_{_}', nn.Sequential(*conv_block))

    def forward(self, x):
        output = self.conv_blocks(x)
        return output

# 使用示例
input_image = torch.randn(1, in_channels, image_height, image_width)
model = DnCNN(in_channels)
denoised_image = model(input_image)

这个代码创建了一个包含 `n_layers` 个卷积块的 DnCNN 模型，每个卷积块由一个卷积层和一个ReLU激活函数组成。最后一层不应用ReLU。