警告！ 该优化在某些 GPU 上可能无法收敛。我们曾在 Tesla V100 和 P40 GPU 上遇到过相关问题。运行代码时，请确保首先得到与论文中相似的结果。最简单的方法是使用文本修复笔记本进行检查。尝试设置双精度模式或关闭 cuDNN。

深度图像先验

在这个仓库中，我们提供了 Jupyter Notebooks，用于复现论文中的每一幅图表：

深度图像先验

CVPR 2018

德米特里·乌利亚诺夫、安德烈亚·韦达尔迪、维克托·伦皮茨基

[论文] [补充材料] [项目页面]

在这里，我们提供了生成这些图表所使用的超参数和网络架构。其中大多数都远非最优。请随时调整它们以观察效果。

我们将在稍后扩展此 README，添加超参数和选项的列表。

安装

以下是执行代码所需安装的库列表：

• python = 3.6
• pytorch = 0.4
• numpy
• scipy
• matplotlib
• scikit-image
• jupyter

所有这些库都可以通过 conda（anaconda）安装，例如：

conda install jupyter

或者使用环境文件创建包含所有依赖项的 conda 环境：

conda env create -f environment.yml

Docker 镜像

另外，您也可以使用一个暴露了 Jupyter Notebook 的 Docker 镜像，其中包含了所有必要的依赖项。要构建此镜像，请确保已安装 docker 和 nvidia-docker，然后运行：

nvidia-docker build -t deep-image-prior .

构建完成后，您可以按如下方式启动容器：

nvidia-docker run --rm -it --ipc=host -p 8888:8888 deep-image-prior

系统将为您提供一个 URL，您可以通过该 URL 连接到 Jupyter Notebook。

Google Colab

要使用 Google Colab 运行，点击这里，选择要运行的笔记本。请记得取消注释第一个单元格，以便将仓库克隆到 Colab 的环境中。

引用

@article{UlyanovVL17,
    author    = {Ulyanov, Dmitry and Vedaldi, Andrea and Lempitsky, Victor},
    title     = {Deep Image Prior},
    journal   = {arXiv:1711.10925},
    year      = {2017}
}

Deep Image Prior 快速上手指南

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux / macOS (Windows 需配合 WSL 或 Docker)
• Python 版本: 3.6
• 深度学习框架: PyTorch 0.4
• GPU 支持: 推荐使用 NVIDIA GPU，但需注意部分显卡（如 Tesla V100, P40）可能存在优化不收敛的问题。若遇到结果异常，建议尝试开启双精度模式或关闭 cuDNN。
• 其他依赖库: numpy, scipy, matplotlib, scikit-image, jupyter

注意：本项目基于较旧版本的 PyTorch (0.4)，在新环境中安装时可能会遇到兼容性挑战。建议优先使用项目提供的 Docker 镜像或 Google Colab 环境以避免依赖冲突。

安装步骤

您可以选择以下三种方式之一进行安装：

方式一：Conda 环境安装（推荐本地开发）

1. 创建并激活包含所有依赖的 Conda 环境：

   conda env create -f environment.yml
   conda activate deep-image-prior
   

   (注：若 environment.yml 下载缓慢，可手动创建环境并逐个安装包)

2. 或者手动安装核心依赖：

   conda install python=3.6 pytorch=0.4 torchvision -c pytorch
   conda install numpy scipy matplotlib scikit-image jupyter
   

方式二：Docker 镜像安装（最稳定，避免依赖问题）

确保已安装 Docker 和 nvidia-docker。

1. 构建镜像：

   nvidia-docker build -t deep-image-prior .
   

2. 启动容器并运行 Jupyter Notebook：

   nvidia-docker run --rm -it --ipc=host -p 8888:8888 deep-image-prior
   

   启动后，终端将输出一个 URL，在浏览器中打开该链接即可访问 Notebook 界面。

方式三：Google Colab（无需本地配置）

1. 点击 此处 打开 Colab 笔记本。
2. 选择您需要运行的具体任务笔记本。
3. 重要：取消注释第一个单元格中的代码以克隆仓库到 Colab 环境，然后依次运行单元格。

基本使用

本项目主要通过 Jupyter Notebooks 复现论文中的各项实验（如去噪、超分辨率、图像修复等）。

1. 启动服务： 如果您使用的是本地安装或 Docker，请在项目根目录下启动 Jupyter：

   jupyter notebook
   

2. 选择示例： 在浏览器打开的界面中，根据您的需求选择对应的 .ipynb 文件。例如，若要测试文本修复（Text Inpainting）或验证 GPU 兼容性，请优先运行相关的 inpainting notebook。

3. 运行与调整：

   • 按顺序执行单元格。
   • 代码中提供的超参数和架构主要用于复现论文图表，并非最优解。您可以自由修改这些参数以观察对生成效果的影响。
   • 故障排查提示：如果运行结果与论文不符，请检查是否需要在代码中设置双精度模式 (double precision) 或关闭 cudnn。