SRCNN—train
--srcnn = SRCNN() #初始化
------参数初始化
------build_model() #定义模型的输入输出，超参数，网络结构，loss，并实例化一个 Saver 对象
--train(self, config)
------input_setup(self.sess, config) #将输入和输出图片切成小块保存成 HDF5 文件
|--------prepare_data(sess, dataset="Train") #返回图片地址列表，sess 无用
------------data_dir = os.path.join(os.getcwd(), dataset) #os.getcwd():得到当前文件路径
------------data = glob.glob(os.path.join(data_dir, "*.bmp")) #图片路径列表
|--------for i in xrange(len(data)): #对于每张图片（每张图片大小不一致）
------------preprocess(data[i], config.scale) #预处理图片，返回（低，高）分辨率图像对
----------image = imread(path, is_grayscale=True) #以 YCbCr 格式读取原始图像（默认为灰度）
----------label_ = modcrop(image, scale) #将图片规整到可以被 scale 整除的宽和高
----------image = image / 255. #无用，可删掉
----------label_ = label_ / 255. #归一化
----------scipy.ndimage.interpolation.zoom(label_, (1./scale), prefilter=False) #进行三次插值缩小 scale 倍
----------scipy.ndimage.interpolation.zoom(input_, (scale/1.), prefilter=False) #进行三次插值放大回原有大小
评论0