Closed 7568 closed 2 years ago
` imgn_train = img_train + noise
img_train = Variable(img_train.cuda()) imgn_train = Variable(imgn_train.cuda()) noise = Variable(noise.cuda()) stdn_var = Variable(torch.cuda.FloatTensor(stdn))
out_train = model(imgn_train, stdn_var) loss = criterion(out_train, noise) / (imgn_train.size()[0] * 2) loss.backward() optimizer.step() `
这个代码是你在首页推荐的,http://www.ipol.im/pub/pre/231/ 里面的代码。
你看他计算 loss 的时候,是将模型的输出与 noise 进行计算,也就是说模型预测的是 噪声,怎么感觉跟你的论文说的不一样啊
没事了,稍微改一下就行了
` imgn_train = img_train + noise
Create input Variables
img_train = Variable(img_train.cuda()) imgn_train = Variable(imgn_train.cuda()) noise = Variable(noise.cuda()) stdn_var = Variable(torch.cuda.FloatTensor(stdn))
Evaluate model and optimize it
out_train = model(imgn_train, stdn_var) loss = criterion(out_train, noise) / (imgn_train.size()[0] * 2) loss.backward() optimizer.step() `
这个代码是你在首页推荐的,http://www.ipol.im/pub/pre/231/ 里面的代码。
你看他计算 loss 的时候,是将模型的输出与 noise 进行计算,也就是说模型预测的是 噪声,怎么感觉跟你的论文说的不一样啊