总结汇报 2025/12/02

为了统一与其他组员统一进度，这次撰写延后一周，因此本周撰写 3 周汇报

1 第一周

详细周报链接

1.1 REDS 训练

由于最开始没有拿到 NVDEC x2 的数据集，所以暂时用 REDS 数据集进行训练，实行了以下步骤

1. 从 hugging face 镜像站下载 REDS 数据集
2. 下载 spynet 预训练模型
3. 撰写配置文件，并在 REDS 数据集上跑通 BasicVSR 模型

虽然这一次没有拿到真正的训练结果，但是作用是熟悉 BasicVSR 训练流程，为后续在私有数据集上训练做好准备

1.2 NVDEC 训练

后来 NVDEC 的 2 倍下采样数据集已经取得，所以将 BasicVSR 在私有的 NVDEC 数据集上训练，并观察训练结果

通过监测 GPU 占用发现 BasicVSR 的训练对与 CPU 和 IO 的要求较高，显存以及 GPU 功耗并不稳定，这也是后续实验进展缓慢的一部分原因

最后阶段性检查 loss 如图所示，下降程度并不显著，因此经过商量后可能需要对网络中的光流模块进行简化

2 第二周

详细周报链接

2.1 训练分析

本次商讨对于上一次的训练失败进行分析，并尝试进行优化，尝试了以下工作

1. 检查初始图像的 PSNR 指标，并检查经过训练后的 PSNR 考察训练结果
2. 检查项目源代码，发现光流模块较多，随后检查 Ground Truth 和 Low Resolution 的光流是否发生了显著变动，导致光流模块不能够对模型做出贡献
3. 检查光流后发现数据集中的 GT 失真严重，更换了 GT 数据集为 vimeo_long 的数据，暂时认为主要错误出现在这里

2.2 新一轮训练

在更换了 GT 数据集后进行了新一轮的训练，主要修改了以下配置，对于网络模型没有进一步更改

# gt 使用 原图修改数据集
dataroot_gt: /mount/share/datasets/vimeo_long/sequences
dataroot_lq: /mount/share/datasets/PrePost/NVDEC_HEVC_OUT/200K_2xlanczos/vimeo_long
meta_info_file: /mount/yangsh/Code/my-basic-sr/my_tools/meta_info_vimeo_long_clean.txt

# 其他可能的关键数值
num_worker_per_gpu: 6
batch_size_per_gpu: 8
lr: !!float 4e-4 # batch size 4 -> 2e-4

2.3 理论学习

在查看了项目的源代码后，认为有必要深入系统地概览一下 PyTroch 深度学习框架的应用，因此跟着网络视频教学快速补充了一下背景知识

项目过程中撰写代码仓库也已经公开放置在 GitHub 上，详情参考链接： GitHub 仓库

具体的笔记内容较长，放置在另外一篇文章中，详情参考链接：PyTorch 笔记

3 第三周

详细周报链接

3.1 实验结果

这周经历了服务器机房断电问题，导致训练中断，耽搁了 2 天的时间

另外后来发现个人硬盘已满导致的训练中断（因为我最初把 REDS 数据集放在个人存储服务器下，后面已经移植到了共有的 share 文件夹下）

检查目前效果更好的一版迭代数据，通过部署推理，并输出结果

计算 SR 后相对于原图的指标，以及 NVDEC 解码后相对于原图的指标，并逐帧统计综合指标

下图展示了列表展示了每一帧的效果，图中显著的谷点是 Subdir 切换的位置（每个视频有 64 帧）

3.2 理论学习

理论学习继续推进，学习深度学习经典项目，详情可以参见链接

D2l：03 线性网络