图像超分real-esrgan网络自己训练模型遇到问题

Question

以下模型基于real-esrgan图像超分，我只改动了部分模块。

前段时间，自己想训练real-esrgan的生成器部分，想得到类似RealESRNet_x4plus.pth这样的训练模型，后来得到net_g_latest.pth，并用它跑了推理代码，实现了图像超分。

国庆几天，我想用这个生成器的模型训练判别器，最终得到类似RealESRGAN_x4plus.pth这样的训练模型，就可以跑生成对抗了。但是我训练完得到的不是RealESRGAN_x4plus.pth这样的一个文件，而是model有net-g-latest（训练的生成器模型）和net-d-latest（训练的判别器模型）两个训练模型，有两个训练模型，生成器和判别器，路径只有一个，我不知道该怎么将两个合在一起。

①我将路径地址设置成net-g-latest（训练的生成器模型）的时候跑出来的图变成这样。

原图

用生成器net-g-latest跑出来的结果

但是如果我前段时间不跑生成对抗，只跑生成器的话，用训练好的模型跑是完全没有问题的，最终也实现了图像超分。（见加粗部分）

②我将路径地址设置成net-d-latest（训练的判别器模型）的时候显示所有权重都不匹配。

这个问题困扰我很久了，请问一下大家这个该怎么解决。谢谢大家。

Answer 1

以下回复引自免费微信小程序：皆我百晓生。 如问题解决，还请采纳。如仍有疑问，请回复留言或私信博主，以便获得更精准的帮助。

为了帮助你解决你的问题，我需要知道具体的问题是什么，以及你想要获取的解决方案和相关的代码片段。但是，我可以给你一些建议来开始这个过程：

1. 了解REAL ESRGAN的基本原理：首先，你需要了解REAL ESRGAN的核心思想，它是如何通过将原始图像分割成多个小块然后对这些小块进行深度学习来实现超分辨率重建。

2. 选择合适的模型：你可以使用现有的真实ESRGAN模型，例如REALESRNET或者REALESRNETX4PLUS等，因为它们已经被验证并可以提供一个很好的起点。

3. 调整参数：在调整模型的参数时，你需要确保你已经理解了REAL ESRNET的架构和工作方式，并且你已经有了足够的数据集来进行训练。这可能涉及到修改某些参数或调整模型的学习率。

4. 构建模型：使用你选择的模型来构建你的自己的生成器。这可能涉及一些复杂的步骤，包括初始化、构造模型结构、训练模型、优化模型性能等。

5. 评估和调整：一旦你的模型准备好，你可以使用测试数据来评估其性能。如果发现模型有误，或者在训练过程中遇到了问题，那么你可能需要尝试不同的方法或者更深入地探索你的模型架构。

6. 优化模型：根据你的评估结果，你可能需要对你的模型进行进一步的优化。这可能涉及修改模型的设计、调整参数、增加新的层或更新模型中的其他组件。

7. 继续研究：如果你的问题没有得到解决，那么你应该考虑重新审视你的模型设计、算法选择或者是实际的数据集大小。有时候，仅仅是一个好的设计是不够的，还需要持续改进和完善。

请记住，以上建议只是作为参考，具体的步骤可能会有所不同，关键在于找到适合你的模型，不断优化和调试以达到最佳效果。希望你能成功！