下次去實(shí)驗(yàn)室一定記得帶鑰匙 ┭┮﹏┭┮
一、昨天的tif轉(zhuǎn)化成tif
1、直接用谷歌的第一個(gè)網(wǎng)站就可以轉(zhuǎn)化。
可能是被百度的第一個(gè)網(wǎng)站都是廣告弄怕了，第一個(gè)網(wǎng)站習(xí)慣性不敢點(diǎn)。。。。
https://www.iloveimg.com/zh-cn/convert-to-jpg/tiff-to-jpg
真的是不錯(cuò)的網(wǎng)站。但是轉(zhuǎn)化數(shù)量有限制。而且效果不大好。
第二個(gè)網(wǎng)站其實(shí)效果還好，但是要沖會(huì)員。（再說(shuō)吧我先試試看python）
2、繼續(xù)嘗試用python代碼進(jìn)行轉(zhuǎn)化。
解決辦法1：
先去查T(mén)IFF.open這個(gè)函數(shù)怎么用。
我覺(jué)得我的問(wèn)題出在tiff.open打開(kāi)的圖我沒(méi)有調(diào)用起來(lái)。
查不到。
解決辦法2：
直接看tiff.open的結(jié)構(gòu)。
是一個(gè)object類(lèi)型的文件，好像沒(méi)有用。
解決辦法3：用cv2模塊嘗試一個(gè)圖
import numpy
import cv2
read_img_name = './testA/1A.jpg'
img = cv2.imread(read_img_name)
file_name = './testA1/1A.jpg'
cv2.imwrite(file_name, img)
說(shuō)是文件無(wú)法打開(kāi)。
好像也不行。
tips:找原始文章，從引文里去找
https://zhidao.baidu.com/question/150762478.html?qbl=relate_question_4
解決辦法4：
好像真的直接改名字就可以了
圖標(biāo)最上方，“查看”那里勾選上“文件拓展名”就可以了。
用renamer，把忽略拓展名那里點(diǎn)掉，就可以了。
解決辦法：renamer
注意添加規(guī)則的時(shí)候選用：用分隔符添加規(guī)則。
二、繼續(xù)跑CycleGAN，能跑起來(lái)就可以
1、在上傳數(shù)據(jù)的時(shí)候，我需要查如何關(guān)掉服務(wù)器，服務(wù)器自己還能跑程序。
查詢的關(guān)鍵詞“l(fā)inux ssh 狀態(tài)下如何在后臺(tái)運(yùn)行程序”
參考網(wǎng)站：
https://blog.csdn.net/Cowry5/article/details/80630324
https://www.ibm.com/developerworks/cn/linux/l-cn-nohup/index.html
https://www.zhihu.com/question/20709809
2、等文件真的跑起來(lái)了，開(kāi)始跑epoch的時(shí)候，我再看后臺(tái)跑程序的操作。
奇怪。明明沒(méi)有tif文件了，為什么還會(huì)報(bào)錯(cuò)tif的讀取warning呢？類(lèi)似這個(gè)：
我check一下文件夾吧
好像沒(méi)有tiff文件啊，那我不管了。。。
還是查一下吧，不然不放心。
查不到，先不管了吧。。。。
3、開(kāi)始學(xué)習(xí)怎么在后臺(tái)跑程序
我是用nohup來(lái)做的，運(yùn)行的代碼前面加nohup 后面加&
問(wèn)題1：現(xiàn)在程序在跑了，我想知道怎么看程序跑了多少以及怎么看程序有沒(méi)有結(jié)束或者看結(jié)果。
參考網(wǎng)站：https://www.cnblogs.com/baby123/p/6477429.html
我輸入這行命令之后下面給出的是進(jìn)程號(hào)：4473
查看運(yùn)行的進(jìn)程：jobs -l
直接輸入這行代碼，就可以查看正在運(yùn)行的進(jìn)程：有進(jìn)程號(hào)，有輸入的命令行的名稱(chēng)。
問(wèn)題2：怎么看代碼運(yùn)行結(jié)果呢？
在主文件夾下有一個(gè)文件叫“np.out”，其實(shí)是一個(gè)txt格式的文件，點(diǎn)開(kāi)就可以看到輸出。這個(gè)輸出就是正常的時(shí)候運(yùn)行時(shí)，命令行上面顯示的內(nèi)容。
最終的輸出應(yīng)該還是該在哪兒就在哪兒吧。
然后代碼讓它跑著吧。
后來(lái)我關(guān)掉服務(wù)器控制端，再打開(kāi)，從drop_out上看，他們一樣運(yùn)行得很好。
三、先看那篇合成的groundtruth generator的文章
但是現(xiàn)在好餓啊。
我還是先看那篇文章吧，學(xué)習(xí)一下它是怎么生成groundturh的，因?yàn)槿f(wàn)一GAN train不出來(lái)呢。
它的groundturh和original image是怎么同時(shí)生成的，蠻好奇的這一點(diǎn)的。
但是我覺(jué)得可能不適合我的情況，我先進(jìn)行下一步吧。
四、用GAN生成groundtruth
其實(shí)我比較想試試看用GAN生成groundtruth的哎。
我覺(jué)得可以試試看吧。
具體該怎么做呢？
1、首先我用基礎(chǔ)的GAN生成，看一下結(jié)果。
然后我用https://medium.com/@jonathan_hui/gan-super-resolution-gan-srgan-b471da7270ec里提到的superresolutionGAN去嘗試結(jié)果。
https://github.com/Hi-king/superresolution_gan
只有一個(gè)GPU，沒(méi)辦法同時(shí)跑。。。。有兩個(gè)GPU就好了 你去問(wèn)一下學(xué)長(zhǎng)吧 讓他給你開(kāi)一個(gè)新的GPU。 (*/ω＼*)
nvdia-sim去查哪個(gè)GPU可以用，應(yīng)該是GPU0可以用。
知道昨晚的命令行里的gpu_id的用途了。
2、GAN生成的圖一般是很小的哎。
superrresolution GAN是用來(lái)增加紋理用的哎。
試試DCGAN
https://github.com/Newmu/dcgan_code 試試這個(gè)code。
一些改進(jìn)的GAN的結(jié)構(gòu)：
https://blog.csdn.net/qq_25737169/article/details/78857788
比如可以玩一玩BEGAN
結(jié)論：“但是個(gè)人認(rèn)為，雖然得出的結(jié)論是沒(méi)有明顯的證據(jù)說(shuō)明其他GAN比原始GAN好，但是我想說(shuō)，有本事你用原始GAN生成一個(gè)2K的高清圖給我看看，此時(shí)BEGAN和PG-GAN相視一笑，默默不說(shuō)話。大部分情況來(lái)說(shuō)，還是wgan-gp用的更多一些。生成高清圖像BEGAN最簡(jiǎn)單合適?！?/b>
感謝Hans發(fā)給我的文章
https://github.com/tkarras/progressive_growing_of_gans
我會(huì)去看和跑的。
https://github.com/github-pengge/PyTorch-progressive_growing_of_gans
五、GAN的基礎(chǔ)知識(shí)
https://www.jiqizhixin.com/articles/2017-09-25-3
晚上：
（1）回去查CS231n去弄清楚batch和patch的區(qū)別，并用Hans提醒我的方法去試試看。
（2）把那個(gè)groundtruth generator做出來(lái)
六、看懂CycleGAN的代碼
比如在哪里改參數(shù)，弄清楚所有的參數(shù)分別在哪里改。
學(xué)長(zhǎng)給我的建議是：增加batch_size，這樣數(shù)據(jù)會(huì)跑得快一點(diǎn)。
依舊是 nvdia -sim 里可以查到memory用了多少。
七、學(xué)習(xí)580的課程
晚上一直在看580
