SwinIR实战：从环境搭建到模型评估的完整复现指南

1. 环境配置：从零搭建SwinIR开发环境

第一次接触SwinIR时，光是环境配置就让我折腾了大半天。记得当时因为一个CUDA版本不兼容的问题，重装了三次驱动才搞定。为了让你们少走弯路，我把完整的配置流程和避坑要点都整理在这里。

1.1 Anaconda环境管理

建议所有Python项目都使用Anaconda创建独立环境，避免包冲突。我习惯用Miniconda，体积更小巧：

bash复制conda create -n swinir python=3.8 -y
conda activate swinir

这里特别提醒：Python 3.8是最稳定的选择。我测试过3.9和3.10版本，会遇到一些依赖包兼容性问题。环境创建完成后，建议先升级pip：

bash复制python -m pip install --upgrade pip

1.2 PyTorch安装实战

PyTorch版本选择直接影响后续模型训练。根据我的测试，1.10.0版本在Windows和Linux下表现最稳定：

bash复制pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

安装后务必验证CUDA是否可用：

python复制import torch
print(torch.cuda.is_available())  # 应该返回True
print(torch.version.cuda)  # 应该显示11.3

如果遇到下载慢的问题，可以临时更换国内镜像源。但要注意安装完成后记得恢复默认源，避免影响其他项目：

bash复制pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 安装完成后执行
pip config unset global.index-url

1.3 依赖包安装技巧

从GitHub克隆SwinIR项目后，不要直接运行requirements.txt。我发现有几个包需要特别处理：

bash复制git clone https://github.com/cszn/KAIR
cd KAIR
pip install -r requirements.txt --no-deps

加上--no-deps参数可以避免自动安装可能冲突的依赖版本。之后手动安装这些关键包：

bash复制pip install opencv-python==4.5.5.64
pip install scikit-image==0.19.3

注意：opencv-python的4.5.5版本与SwinIR的图像处理模块兼容性最好，新版可能导致颜色空间转换异常。

2. 数据集准备：从混乱到规范

很多人在数据集准备阶段就踩坑，我也不例外。记得第一次训练时因为图像尺寸不匹配，白白浪费了8小时的计算资源。

2.1 数据集目录结构

正确的文件夹结构应该是这样：

code复制DIV2K/
├── HR/
│   ├── 0801.png
│   └── 0802.png
└── LR_bicubic/
    ├── X2/
    │   ├── 0801x2.png
    │   └── 0802x2.png
    └── X4/
        ├── 0801x4.png
        └── 0802x4.png

关键点：

• HR存放原始高清图
• LR_bicubic下按缩放倍数分子文件夹
• 文件名必须严格对应（0801.png ↔ 0801x2.png）

2.2 图像预处理要点

直接使用原始DIV2K数据集会遇到尺寸不一致问题。建议用这个Python脚本统一处理：

python复制import cv2
import os

def resize_images(input_dir, output_dir, target_size):
    os.makedirs(output_dir, exist_ok=True)
    for img_name in os.listdir(input_dir):
        img = cv2.imread(os.path.join(input_dir, img_name))
        h, w = img.shape[:2]
        # 确保尺寸是缩放倍数的整数倍
        new_h = h - h % scale_factor
        new_w = w - w % scale_factor
        img = cv2.resize(img, (new_w, new_h))
        cv2.imwrite(os.path.join(output_dir, img_name), img)

2.3 配置文件修改指南

options/swinir/train_swinir_sr_classical.json需要修改这几个关键参数：

json复制{
    "name": "SwinIR",
    "scale": 2,
    "datasets": {
        "train": {
            "dataroot_H": "./DIV2K/HR",
            "dataroot_L": "./DIV2K/LR_bicubic/X2"
        }
    },
    "network_G": {
        "upscale": 2,
        "in_chans": 3
    }
}

特别提醒：scale和upscale必须保持一致，否则会出现张量维度不匹配的错误。

3. 模型训练：从报错到调优

第一次启动训练时，那个张量维度报错让我记忆犹新。通过反复实验，我总结出这些实战经验。

3.1 Windows系统特殊配置

在Windows上需要修改utils/utils_dist.py：

python复制# 将
dist.init_process_group(backend='nccl')
# 改为
dist.init_process_group(backend='gloo')

这是因为Windows对NCCL支持不完善。修改后启动训练：

bash复制python main_train_psnr.py --opt options/swinir/train_swinir_sr_classical.json

3.2 常见报错解决方案

报错1：Tensor size mismatch

code复制RuntimeError: The size of tensor a (96) must match the size of tensor b (0) at non-singleton dimension 3

解决方法：

1. 检查HR和LR图像是否成对
2. 确认所有图像尺寸符合scale倍数关系
3. 在配置文件中添加尺寸检查：

json复制"datasets": {
    "train": {
        "phase": "train",
        "data_type": "img",
        "patch_size": 48
    }
}

报错2：CUDA out of memory

降低batch_size和patch_size：

json复制"train": {
    "batch_size": 16,
    "patch_size": 64
}

3.3 训练过程监控

建议使用TensorBoard监控训练：

bash复制tensorboard --logdir experiments/swinir_sr_classical/log

重点关注这些指标：

• PSNR（峰值信噪比）
• SSIM（结构相似性）
• Loss下降曲线

4. 模型评估：从指标到可视化

训练完成只是第一步，真正的考验在于模型评估。我整理了完整的评估流程和实用技巧。

4.1 标准测试集评估

使用Set5和Set14数据集评估：

bash复制python main_test_swinir.py --task classical_sr --scale 2 --training_patch_size 48 --model_path experiments/swinir_sr_classical/models/latest_G.pth

预期结果参考：

4.2 自定义图像测试

准备测试图像时要注意：

1. 图像格式应为PNG避免压缩损失
2. 长宽需要是scale的整数倍
3. 建议使用sRGB色彩空间

评估脚本示例：

python复制from swinir import SwinIR
model = SwinIR(upscale=2, in_chans=3)
model.load_state_dict(torch.load('latest_G.pth'))
img = cv2.imread('test.png')
output = model(img)

4.3 结果可视化技巧

用这个代码可以生成对比图：

python复制import matplotlib.pyplot as plt

plt.figure(figsize=(20, 10))
plt.subplot(1, 3, 1)
plt.title("LR Input")
plt.imshow(lr_img)
plt.subplot(1, 3, 2)
plt.title("HR Ground Truth")
plt.imshow(hr_img)
plt.subplot(1, 3, 3)
plt.title("SwinIR Output")
plt.imshow(output_img)
plt.savefig("compare.png")

对于超分辨率任务，建议额外关注高频细节的恢复效果，比如文字边缘、纹理细节等。可以适当调整模型的window_size参数来优化细节表现。