轉：https://blog.csdn.net/u010327061/article/details/80046690
1.SRCNN(原理和代碼)
基於TensorFlow的代碼下載：https://github.com/tegg89/SRCNN-Tensorflow
文章鏈接：(Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014)
環境配置：深度學習（一）：虛擬機Linux系統搭建CPU TensorFlow
基礎理論學習方便理解：deeplearning.ai 吳恩達網上課程學習（十五）——卷積神經網絡及其TensorFlow代碼實現
1.1 配置環境遇到的問題：
在TensorFlow的虛擬環境中安裝，不要加sodu，否則會裝到默認的Python2.7裏
① ModuleNotFoundError: No module named 'h5py'：
pip install h5py
tensorboard 1.7.0 has requirement bleach==1.5.0, but you'll have bleach 2.1.3 which is incompatible.
tensorboard 1.7.0 has requirement html5lib==0.9999999, but you'll have html5lib 1.0.1 which is incompatible.
如果使用sudo則不是說在虛擬環境下安裝，以下類似
② ModuleNotFoundError: No module named 'matplotlib'
pip install matplotlib
③ ModuleNotFoundError: No module named 'PIL'
pip install Pillow
④ No module named 'scipy'
pip install scipy
1.2 代碼解釋：
① tf.app.flags
tf定義了tf.app.flags，用於支持接受命令行傳遞參數，相當於接受argv。
[html] view plain copy
<code class="language-html"><span style="font-family:'FangSong_GB2312';">import tensorflow as tf
#第一個是參數名稱，第二個參數是默認值，第三個是參數描述
tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")
tf.app.flags.DEFINE_integer('int_name', 10,"descript2")
tf.app.flags.DEFINE_boolean('bool_name', False, "descript3")
#FLAGS是一個對象，保存瞭解析後的命令行參數
FLAGS = tf.app.flags.FLAGS
#必須帶參數，否則：'TypeError: main() takes no arguments (1 given)'; main的參數名隨意定義，無要求
def main(_):
print(FLAGS.str_name)
print(FLAGS.int_name)
print(FLAGS.bool_name)
if __name__ == '__main__':
tf.app.run() #執行main函數</span></code>
② class pprint.PrettyPrinter(indent=1, width=80, depth=None, stream=None, *, compact=False)
pprint模塊提供了一個美觀地打印Python數據結構的方式。如果是要格式化的數據結構裏包含了非基本類型的數據，有可能這種數據類型不會被加載。比如數據類型是文件、網絡socket、類等。本模塊格式化時，儘可能保持一個對象一行表示，並且當超過允許寬度時也會自動換行表示。所有字典數據類型，都會先按鍵來排序，然後再進行格式化輸出。
構造一個打印實例PrettyPrinter。這個構造函數需要好幾個參數來配置打印參數。可以通過參數stream來設置流輸出對象，流輸出對象要實現write()的文件協議。如果沒有指定流輸出對象，默認是輸出到sys.stdout。每行遞歸縮進的寬度是通過indent來設置，默認設置爲1。參數width是表示每行的寬度，如果超過一行的寬度就會換行輸出。參數depth是表示複合對象輸出的層次深度，默認是沒有限制，所有層次的對象都輸出。參數compact是表示換行時下一行是否輸出內容，還是跳過。
https://blog.csdn.net/caimouse/article/details/50704332
③os.makedirs(path, mode=0o777)
os.makedirs() 方法用於遞歸創建目錄。像 mkdir(), 但創建的所有intermediate-level文件夾需要包含子目錄。
http://www.runoob.com/python/os-makedirs.html
④try與except處理異常語句:
https://blog.csdn.net/f156207495/article/details/78387617
1.3 原理學習：
1.3.1 鏈接參考：
https://blog.csdn.net/u011630458/article/details/79103923
https://blog.csdn.net/m0_37510087/article/details/79367649
https://blog.csdn.net/Uwr44UOuQcNsUQb60zk2/article/details/78474303
1.3.2 具體過程：
33*33*1&9*9*64--- 25*25*64& 1*1*35---25*25*35 & 5*5*1 ---21*21*1
SRCNN首先使用雙三次(bicubic)插值將低分辨率圖像放大成目標尺寸，接着通過三層卷積網絡擬合非線性映射，最後輸出高分辨率圖像結果。本文中，作者將三層卷積的結構解釋成三個步驟：圖像塊的提取和特徵表示，特徵非線性映射和最終的重建。
三個卷積層使用的卷積核的大小分爲爲9x9,，1x1和5x5，前兩個的輸出特徵個數分別爲64和32。用Timofte數據集（包含91幅圖像）和ImageNet大數據集進行訓練。使用均方誤差(Mean Squared Error, MSE)作爲損失函數，有利於獲得較高的PSNR。
論文說的只訓練YCbCr模式的Y通道，具體流程就是：訓練的時候輸入BRG模式的圖片,再轉化爲YCbCr模式，但是隻將Y通道通過CNN網絡，最後輸出的結果再和另外兩個合成生成心得YCbCr模式圖片，最後再轉回BGR模式，將最終生成的BGR模式圖片與輸入的BRG模式圖片計算MSE loss，進行梯度下降訓練網絡。具體流程如下圖：
