尝试重新训练denoising-ode的问题

[Jelly954]

作者您好，感谢提供代码。
我在尝试重新训练denoising-ode（使用DIV2K数据集），但是得到的pth模型文件在后续测试时并不能去除噪声，得到的“去噪结果”与前向过程构建得到的“噪声图像”是一样的，查看ode_state，发现其中的img都是不变的，没有去噪过程，请问这种情可能是什么原因呢？我训练的yml文件与github上现有代码中denising-sde/options/train/ir-sde.yml文件相同。
使用pretrained//ir-sde-denoising.pth测试效果是正常的，因此不知道在训练过程中哪里出现了问题。还望指正！
期待您的回复，谢谢！

[Jelly954]

作者您好，很抱歉再次打扰，问题根据您在issue#28的回复找到了答案，train和test的yml文件中没有保持一致，由于使用pretrained文件进行测试时效果良好，没有考虑到是test中T的设置问题。
再次感谢您提供代码！
谢谢！

[Algolzw]

解决了就好，祝顺利 ：）

[Jelly954]

谢谢！

[Jelly954]

作者您好，有几个问题想请教您一下：

1. 使用refusion.yml训练时，如果针对灰度图，除了color由RGB->Gray，network_G的setting需要如何修改呢？
2. 我使用max_sigma=70,T=1000,sigma=50训练，输入LQ时，低噪声图像得到的去噪结果边缘模糊，细节丢失；高噪声图像得到的去噪效果不佳，需要根据结果不断手动调整test.yml中的sigma来得到较好的噪声图像去噪效果，为了能够根据输入噪声图像自适应的去噪，您推荐如何调整训练测试参数，还是更推荐deraining的模型来实现呢？

[Algolzw]

你好，灰度图的话应该是channel改为1就可以了。如果是gaussian noise的话最好就用denoising-ode，其他的可以尝试ir-sde即deraining模型。

[Jelly954]

抱歉再次打扰，因为refusion.yml里面network_G的setting是这样的，不同于ir-sde.yml的in_nc和out_nc：

network_G:
which_model_G: ConditionalNAFNet
setting:
width: 64
enc_blk_nums: [1, 1, 1, 28]
middle_blk_num: 1
dec_blk_nums: [1, 1, 1, 1]

灰度图应该如何修改呢？
谢谢！

[Algolzw]

你可以加一个img_channel=1就行

[Jelly954]

收到，谢谢您！