UOMOP
AWGN, latent_dim = 500 본문
import cv2
import math
import time
import torch
import random
import torchvision
import numpy as np
from PIL import Image
import torch.nn as nn
from numpy import sqrt
import torch.optim as optim
import torch.nn.functional as f
import matplotlib.pyplot as plt
import torchvision.transforms as tr
from torchvision import datasets
from torch.utils.data import DataLoader, Dataset
def sobel_filter(img, x_or_y) :
if x_or_y == 'x' :
return cv2.Sobel(img, -1, 1, 0)
else :
return cv2.Sobel(img, -1, 0, 1)
def scharr_filter(img, x_or_y) :
if x_or_y == 'x' :
return cv2.Scharr(img, -1, 1, 0)
else :
return cv2.Scharr(img, -1, 0, 1)
def average_filter(img, kernel_size) :
return cv2.blur(img, (kernel_size, kernel_size))
def gaussian_filter(img, kernel_size) :
# cv2.GaussianBlur의 parameter에는 sigma가 존재하는데, 이것은 가우시안 커널의 X, Y 방향의 표준편차이다.
return cv2.GaussianBlur(img, (kernel_size, kernel_size), 0)
def median_filter(img, kernel_size) :
return cv2.medianBlur(img, kernel_size)
def bilateral_filter(img, kernel_size) :
return cv2.bilateralFilter(img, kernel_size, 75, 75)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
args = {
'BATCH_SIZE' : 50,
'LEARNING_RATE' : 0.001,
'NUM_EPOCH' : 200,
'SNR_dB' : [1, 10, 20, 30],
'pi_dim' : 500,
'si_dim' : 0,
'input_dim' : 32 * 32,
'filter_type' : 'scharr',
'filter_dir' : 'x'
}
transf = tr.Compose([tr.ToTensor(), tr.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
# 원래 pytorch cifar10은 0~1사이의 값을 가진다.
# -1~1로 정규화를 시켜준다.
trainset = torchvision.datasets.CIFAR10(root = './data', train = True, download = True, transform = transf)
testset = torchvision.datasets.CIFAR10(root = './data', train = False, download = True, transform = transf)
trainloader = DataLoader(trainset, batch_size = args['BATCH_SIZE'], shuffle = True)
testloader = DataLoader(testset, batch_size = args['BATCH_SIZE'], shuffle = True)
def spectrum(img) :
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_fshift = np.log(np.abs(fshift) + 1)
return magnitude_fshift
def psnr(SNRdB_list, model_name_without_SNRdB, testloader) :
psnr_list = []
for i in range(len(SNRdB_list)) :
SNRdB = SNRdB_list[i]
model_name = model_name_without_SNRdB + "_SNR=" + str(SNRdB) + ".pth"
model_1 = Autoencoder().to(device)
model_1.load_state_dict(torch.load(model_name))
psnr_culmi = 0.0
for data in testloader :
inputs = data[0].to(device)
outputs = model_1(inputs, SNRdB = SNRdB)
for j in range(len(data)) :
psnr_culmi += cv2.PSNR(inputs[j].detach().cpu().numpy(), outputs[j].detach().cpu().numpy(), 2)
psnr_list.append(round(psnr_culmi / (len(testloader) * len(data)), 3))
return psnr_list
def model_train(SNRdB_list, learning_rate, epoch_num, trainloader) :
for i in range( len(args['SNR_dB']) ):
model = Autoencoder().to(device)
criterion = nn.MSELoss()
optimizer = optim.Adam(model.parameters(), lr = learning_rate)
scheduler = optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode='max', factor=0.7, patience=10, threshold=1e-3, verbose = True)
print("+++++ SNR = {} Training Start! +++++\t".format(args['SNR_dB'][i]))
for epoch in range(epoch_num) :
test_psnr = 0.0
val_psnr = 0.0
## Train dataset
for data in trainloader :
inputs = data[0].to(device)
optimizer.zero_grad()
outputs = model( inputs, SNRdB = args['SNR_dB'][i])
loss = criterion(inputs, outputs)
loss.backward()
optimizer.step()
for j in range(len(data)) :
test_psnr += cv2.PSNR(inputs[j].detach().cpu().numpy(), outputs[j].detach().cpu().numpy(), 2)
## Test dataset
for val_data in testloader :
inputs = val_data[0].to(device)
outputs = model( inputs, SNRdB = args['SNR_dB'][i])
for j in range(len(val_data)) :
val_psnr += cv2.PSNR(inputs[j].detach().cpu().numpy(), outputs[j].detach().cpu().numpy(), 2)
scheduler.step(val_psnr)
print("[{} Epoch] test_PSNR : {}\tval_PSNR : {}".format(epoch + 1, round(test_psnr / (len(trainloader) * len(data)), 3), round(val_psnr / (len(testloader) * len(val_data)), 3)))
print()
PATH = "./"
torch.save(model.state_dict(), PATH + "AWGN" + "_SNR=" + str(args['SNR_dB'][i]) +".pth")
class Encoder(nn.Module):
def __init__(self):
super(Encoder, self).__init__()
c_hid = 32
self.encoder_pi = nn.Sequential(
nn.Conv2d(3, c_hid, kernel_size=3, padding=1, stride=2), # 32x32 => 16x16
nn.ReLU(),
nn.Conv2d(c_hid, c_hid, kernel_size=3, padding=1),
nn.ReLU(),
nn.Conv2d(c_hid, 2 * c_hid, kernel_size=3, padding=1, stride=2), # 16x16 => 8x8
nn.ReLU(),
nn.Conv2d(2 * c_hid, 2 * c_hid, kernel_size=3, padding=1),
nn.ReLU(),
nn.Conv2d(2 * c_hid, 2 * c_hid, kernel_size=3, padding=1, stride=2), # 8x8 => 4x4
nn.ReLU(),
nn.Flatten(), # Image grid to single feature vector
nn.Linear(2 * 16 * c_hid, args['pi_dim'])
)
self.encoder_si = nn.Sequential(
nn.Linear(args['input_dim'], 512),
nn.ReLU(),
nn.Linear(512, 256),
nn.ReLU(),
nn.Linear(256, args['si_dim'])
)
def HPF(self, x, filter_type, filter_dir):
# print("x shape : {}".format(x.size()))
gray_transform = tr.Grayscale()
save_list = []
# x = x.view(args['BATCH_SIZE'], 1, 32, 32)
# print("reshaped x's shape : {}".format(x.size()))
for i in range(x.shape[0]):
# print("123245")
# print(x[i].size())
gray_img = cv2.cvtColor(x[i].permute(1, 2, 0).detach().cpu().numpy(), cv2.COLOR_BGR2GRAY)
# print("x[i] shape : {}".format(gray_img.shape))
if filter_type == 'sobel':
if filter_dir == 'x':
save_list.append(sobel_filter(gray_img, 'x'))
elif filter_dir == 'y':
save_list.append(sobel_filter(gray_img, 'y'))
else:
print("Type Error(filter direction)")
elif filter_type == 'scharr':
if filter_dir == 'x':
save_list.append(scharr_filter(gray_img, 'x'))
elif filter_dir == 'y':
save_list.append(scharr_filter(gray_img, 'y'))
else:
print("Type Error(filter direction)")
else:
print("Type Error(filter type)")
# print("save_list's length : {}".format(len(save_list)))
save_arr = np.array(save_list).reshape(x.shape[0], 1, 32, 32)
# print("save_arr shape : {}".format(save_arr.size))
save_tensor = torch.Tensor(save_arr)
# print("save_tensor's size : {}".format(save_tensor.size()))
return save_tensor
def forward(self, x, filter_type, filter_dir):
HPFed_x = self.HPF(x, args['filter_type'], args['filter_dir']).to(device)
# print("x's size : {}".format(x.size()))
# print("HPFed_x's size : {}".format(HPFed_x.size()))
encoded_pi = self.encoder_pi(x)
# print("encoded_pi size : {}".format(encoded_pi.size()))
encoded_si = self.encoder_si(HPFed_x.view(-1, args['input_dim']).to(torch.float32))
# print("encoded_si size : {}".format(encoded_si.size()))
return encoded_pi, encoded_si
class Decoder(nn.Module):
def __init__(self):
super(Decoder, self).__init__()
c_hid = 32
self.linear = nn.Sequential(
nn.Linear(args['pi_dim'] + args['si_dim'], 2 * 16 * c_hid),
nn.ReLU()
)
self.decoder = nn.Sequential(
nn.ConvTranspose2d(2 * c_hid, 2 * c_hid, kernel_size=3, output_padding=1, padding=1, stride=2),
# 4x4 => 8x8
nn.ReLU(),
nn.Conv2d(2 * c_hid, 2 * c_hid, kernel_size=3, padding=1),
nn.ReLU(),
# nn.ConvTranspose2d(2 * c_hid, 2 * c_hid, kernel_size=3, output_padding=0, padding=1, stride=1), # 8x8 => 8x8
# nn.ReLU(),
# nn.Conv2d(2 * c_hid, 2 * c_hid, kernel_size=3, padding=1),
# nn.ReLU(),
nn.ConvTranspose2d(2 * c_hid, c_hid, kernel_size=3, output_padding=1, padding=1, stride=2), # 8x8 => 16x16
nn.ReLU(),
nn.Conv2d(c_hid, c_hid, kernel_size=3, padding=1),
nn.ReLU(),
# nn.ConvTranspose2d(c_hid, c_hid, kernel_size=3, output_padding=0, padding=1, stride=1), # 16x16 => 16x16
# nn.ReLU(),
# nn.Conv2d(c_hid, c_hid, kernel_size=3, padding=1),
# nn.ReLU(),
nn.ConvTranspose2d(c_hid, 3, kernel_size=3, output_padding=1, padding=1, stride=2), # 16x16 => 32x32
)
def forward(self, x):
x = self.linear(x)
# print("before : {}".format(x.size()))
x = x.reshape(x.shape[0], -1, 4, 4)
# print("after : {}".format(x.size()))
decoded = self.decoder(x)
# print(decoded.size())
# print("111")
return decoded
class Autoencoder(nn.Module):
def __init__(
self,
encoder_class: object = Encoder,
decoder_class: object = Decoder
):
super(Autoencoder, self).__init__()
self.encoder = encoder_class()
self.decoder = decoder_class()
def AWGN(self, input, SNRdB):
normalized_tensor = f.normalize(input, dim=1)
SNR = 10.0 ** (SNRdB / 10.0)
K = args['pi_dim'] + args['si_dim']
std = 1 / math.sqrt(K * SNR)
n = torch.normal(0, std, size=normalized_tensor.size()).to(device)
return normalized_tensor + n
def L2_Normalization(self, input):
norm_2 = torch.norm(input, p=2, dim=1)
out_list = []
for i in range(len(input)):
out_list.append((norm_2[i] * input[i]).tolist())
return torch.Tensor(out_list)
def forward(self, x, SNRdB):
encoded_pi, encoded_si = self.encoder(x, args['filter_type'], args['filter_dir'])
# print("encoded_pi : {}".format(encoded_pi[0]))
# print("encoded_pi size : {}".format(encoded_pi.size()))
# print("encoded_si : {}".format(encoded_si[0]))
# print("encoded_si size : {}".format(encoded_si.size()))
Tx_output = torch.cat([encoded_pi, encoded_si], dim=1)
# print("Tx_output : {}".format(Tx_output[0]))
# print("Tx_output size : {}".format(Tx_output.size()))
Rx_input = self.AWGN(Tx_output, SNRdB)
# print("encoded_AWGN size : {}".format(Rx_input.size()))
decoded = self.decoder(Rx_input)
# print("decoded : {}".format(decoded[0]))
# print("decoded size : {}".format(decoded.size()))
return decoded
SNRdB_list = args['SNR_dB']
learning_rate = args['LEARNING_RATE']
epoch_num = args['NUM_EPOCH']
trainloader = trainloader
model_name_without_SNRdB = 'AWGN'
model_train(SNRdB_list, learning_rate, epoch_num, trainloader)
psnr_list = psnr(SNRdB_list, model_name_without_SNRdB, testloader)
plt.plot(SNRdB_list, psnr_list, linestyle = 'dashed', color = 'blue', label = "AWGN")
plt.grid(True)
plt.legend()
plt.show()+++++ SNR = 1 Training Start! +++++ [1 Epoch] test_PSNR : 17.27 val_PSNR : 18.202 [2 Epoch] test_PSNR : 18.946 val_PSNR : 19.379 [3 Epoch] test_PSNR : 19.613 val_PSNR : 19.609 [4 Epoch] test_PSNR : 19.805 val_PSNR : 19.861 [5 Epoch] test_PSNR : 20.001 val_PSNR : 20.258 [6 Epoch] test_PSNR : 20.251 val_PSNR : 20.311 [7 Epoch] test_PSNR : 20.362 val_PSNR : 20.419 [8 Epoch] test_PSNR : 20.454 val_PSNR : 20.551 [9 Epoch] test_PSNR : 20.622 val_PSNR : 20.871 [10 Epoch] test_PSNR : 20.754 val_PSNR : 20.904 [11 Epoch] test_PSNR : 20.791 val_PSNR : 20.887 [12 Epoch] test_PSNR : 20.89 val_PSNR : 20.938 [13 Epoch] test_PSNR : 20.925 val_PSNR : 20.963 [14 Epoch] test_PSNR : 20.971 val_PSNR : 20.876 [15 Epoch] test_PSNR : 21.084 val_PSNR : 20.958 [16 Epoch] test_PSNR : 20.941 val_PSNR : 21.176 [17 Epoch] test_PSNR : 21.044 val_PSNR : 21.076 [18 Epoch] test_PSNR : 21.124 val_PSNR : 20.87 [19 Epoch] test_PSNR : 21.188 val_PSNR : 21.308 [20 Epoch] test_PSNR : 21.165 val_PSNR : 21.085 [21 Epoch] test_PSNR : 21.183 val_PSNR : 21.282 [22 Epoch] test_PSNR : 21.161 val_PSNR : 21.409 [23 Epoch] test_PSNR : 21.175 val_PSNR : 21.275 [24 Epoch] test_PSNR : 21.353 val_PSNR : 21.202 [25 Epoch] test_PSNR : 21.236 val_PSNR : 21.336 [26 Epoch] test_PSNR : 21.324 val_PSNR : 21.267 [27 Epoch] test_PSNR : 21.334 val_PSNR : 21.381 [28 Epoch] test_PSNR : 21.301 val_PSNR : 21.204 [29 Epoch] test_PSNR : 21.368 val_PSNR : 21.372 [30 Epoch] test_PSNR : 21.366 val_PSNR : 21.293 [31 Epoch] test_PSNR : 21.349 val_PSNR : 21.251 [32 Epoch] test_PSNR : 21.377 val_PSNR : 21.393 Epoch 00033: reducing learning rate of group 0 to 7.0000e-04. [33 Epoch] test_PSNR : 21.376 val_PSNR : 21.353 [34 Epoch] test_PSNR : 21.431 val_PSNR : 21.524 [35 Epoch] test_PSNR : 21.406 val_PSNR : 21.817 [36 Epoch] test_PSNR : 21.529 val_PSNR : 21.548 [37 Epoch] test_PSNR : 21.474 val_PSNR : 21.638 [38 Epoch] test_PSNR : 21.52 val_PSNR : 21.382 [39 Epoch] test_PSNR : 21.422 val_PSNR : 21.423 [40 Epoch] test_PSNR : 21.487 val_PSNR : 21.489 [41 Epoch] test_PSNR : 21.454 val_PSNR : 21.498 [42 Epoch] test_PSNR : 21.484 val_PSNR : 21.593 [43 Epoch] test_PSNR : 21.588 val_PSNR : 21.386 [44 Epoch] test_PSNR : 21.464 val_PSNR : 21.551 [45 Epoch] test_PSNR : 21.595 val_PSNR : 21.439 Epoch 00046: reducing learning rate of group 0 to 4.9000e-04. [46 Epoch] test_PSNR : 21.575 val_PSNR : 21.318 [47 Epoch] test_PSNR : 21.567 val_PSNR : 21.563 [48 Epoch] test_PSNR : 21.619 val_PSNR : 21.551 [49 Epoch] test_PSNR : 21.6 val_PSNR : 21.671 [50 Epoch] test_PSNR : 21.643 val_PSNR : 21.581 [51 Epoch] test_PSNR : 21.691 val_PSNR : 21.665 [52 Epoch] test_PSNR : 21.603 val_PSNR : 21.596 [53 Epoch] test_PSNR : 21.589 val_PSNR : 21.499 [54 Epoch] test_PSNR : 21.615 val_PSNR : 21.52 [55 Epoch] test_PSNR : 21.69 val_PSNR : 21.712 [56 Epoch] test_PSNR : 21.639 val_PSNR : 21.627 Epoch 00057: reducing learning rate of group 0 to 3.4300e-04. [57 Epoch] test_PSNR : 21.614 val_PSNR : 21.717 [58 Epoch] test_PSNR : 21.691 val_PSNR : 21.708 [59 Epoch] test_PSNR : 21.65 val_PSNR : 21.626 [60 Epoch] test_PSNR : 21.742 val_PSNR : 21.664 [61 Epoch] test_PSNR : 21.731 val_PSNR : 21.669 [62 Epoch] test_PSNR : 21.646 val_PSNR : 21.796 [63 Epoch] test_PSNR : 21.754 val_PSNR : 21.731 [64 Epoch] test_PSNR : 21.708 val_PSNR : 21.546 [65 Epoch] test_PSNR : 21.732 val_PSNR : 21.815 [66 Epoch] test_PSNR : 21.763 val_PSNR : 21.762 [67 Epoch] test_PSNR : 21.71 val_PSNR : 21.677 Epoch 00068: reducing learning rate of group 0 to 2.4010e-04. [68 Epoch] test_PSNR : 21.695 val_PSNR : 21.59 [69 Epoch] test_PSNR : 21.68 val_PSNR : 21.595 [70 Epoch] test_PSNR : 21.783 val_PSNR : 21.827 [71 Epoch] test_PSNR : 21.734 val_PSNR : 21.728 [72 Epoch] test_PSNR : 21.819 val_PSNR : 21.913 [73 Epoch] test_PSNR : 21.736 val_PSNR : 21.748 [74 Epoch] test_PSNR : 21.716 val_PSNR : 21.718 [75 Epoch] test_PSNR : 21.762 val_PSNR : 21.86 [76 Epoch] test_PSNR : 21.739 val_PSNR : 21.577 [77 Epoch] test_PSNR : 21.781 val_PSNR : 21.916 [78 Epoch] test_PSNR : 21.812 val_PSNR : 21.779 [79 Epoch] test_PSNR : 21.829 val_PSNR : 21.711 [80 Epoch] test_PSNR : 21.917 val_PSNR : 21.631 [81 Epoch] test_PSNR : 21.818 val_PSNR : 21.801 [82 Epoch] test_PSNR : 21.819 val_PSNR : 21.708 Epoch 00083: reducing learning rate of group 0 to 1.6807e-04. [83 Epoch] test_PSNR : 21.828 val_PSNR : 21.775 [84 Epoch] test_PSNR : 21.856 val_PSNR : 21.976 [85 Epoch] test_PSNR : 21.781 val_PSNR : 21.844 [86 Epoch] test_PSNR : 21.759 val_PSNR : 21.707 [87 Epoch] test_PSNR : 21.894 val_PSNR : 21.832 [88 Epoch] test_PSNR : 21.879 val_PSNR : 21.927 [89 Epoch] test_PSNR : 21.815 val_PSNR : 22.017 [90 Epoch] test_PSNR : 21.827 val_PSNR : 21.653 [91 Epoch] test_PSNR : 21.929 val_PSNR : 22.088 [92 Epoch] test_PSNR : 21.783 val_PSNR : 21.656 [93 Epoch] test_PSNR : 21.889 val_PSNR : 21.537 [94 Epoch] test_PSNR : 21.878 val_PSNR : 21.798 [95 Epoch] test_PSNR : 21.829 val_PSNR : 21.81 [96 Epoch] test_PSNR : 21.811 val_PSNR : 21.946 [97 Epoch] test_PSNR : 21.762 val_PSNR : 21.656 [98 Epoch] test_PSNR : 21.778 val_PSNR : 21.93 [99 Epoch] test_PSNR : 21.768 val_PSNR : 21.909 [100 Epoch] test_PSNR : 21.782 val_PSNR : 21.847 [101 Epoch] test_PSNR : 21.767 val_PSNR : 21.855 Epoch 00102: reducing learning rate of group 0 to 1.1765e-04. [102 Epoch] test_PSNR : 21.95 val_PSNR : 21.91 [103 Epoch] test_PSNR : 21.927 val_PSNR : 21.673 [104 Epoch] test_PSNR : 21.869 val_PSNR : 21.86 [105 Epoch] test_PSNR : 21.799 val_PSNR : 21.763 [106 Epoch] test_PSNR : 21.816 val_PSNR : 21.746 [107 Epoch] test_PSNR : 21.854 val_PSNR : 21.935 [108 Epoch] test_PSNR : 21.877 val_PSNR : 21.93 [109 Epoch] test_PSNR : 21.821 val_PSNR : 21.995 [110 Epoch] test_PSNR : 21.85 val_PSNR : 21.901 [111 Epoch] test_PSNR : 21.806 val_PSNR : 21.546 [112 Epoch] test_PSNR : 21.784 val_PSNR : 21.714 Epoch 00113: reducing learning rate of group 0 to 8.2354e-05. [113 Epoch] test_PSNR : 21.872 val_PSNR : 21.961 [114 Epoch] test_PSNR : 21.889 val_PSNR : 21.822 [115 Epoch] test_PSNR : 21.851 val_PSNR : 21.92 [116 Epoch] test_PSNR : 21.769 val_PSNR : 21.862 [117 Epoch] test_PSNR : 21.873 val_PSNR : 21.941 [118 Epoch] test_PSNR : 21.87 val_PSNR : 22.051 [119 Epoch] test_PSNR : 21.94 val_PSNR : 21.992 [120 Epoch] test_PSNR : 21.878 val_PSNR : 21.79 [121 Epoch] test_PSNR : 21.91 val_PSNR : 21.76 [122 Epoch] test_PSNR : 21.882 val_PSNR : 21.735 [123 Epoch] test_PSNR : 21.868 val_PSNR : 21.799 Epoch 00124: reducing learning rate of group 0 to 5.7648e-05. [124 Epoch] test_PSNR : 21.917 val_PSNR : 21.659 [125 Epoch] test_PSNR : 21.878 val_PSNR : 21.793 [126 Epoch] test_PSNR : 21.892 val_PSNR : 21.902 [127 Epoch] test_PSNR : 21.925 val_PSNR : 21.941 [128 Epoch] test_PSNR : 21.935 val_PSNR : 21.826 [129 Epoch] test_PSNR : 21.879 val_PSNR : 22.028 [130 Epoch] test_PSNR : 21.902 val_PSNR : 21.957 [131 Epoch] test_PSNR : 21.888 val_PSNR : 21.887 [132 Epoch] test_PSNR : 21.908 val_PSNR : 21.794 [133 Epoch] test_PSNR : 21.912 val_PSNR : 21.702 [134 Epoch] test_PSNR : 21.892 val_PSNR : 21.803 Epoch 00135: reducing learning rate of group 0 to 4.0354e-05. [135 Epoch] test_PSNR : 21.868 val_PSNR : 21.742 [136 Epoch] test_PSNR : 21.986 val_PSNR : 21.949 [137 Epoch] test_PSNR : 21.937 val_PSNR : 21.77 [138 Epoch] test_PSNR : 21.838 val_PSNR : 21.883 [139 Epoch] test_PSNR : 21.876 val_PSNR : 21.777 [140 Epoch] test_PSNR : 21.944 val_PSNR : 21.779 [141 Epoch] test_PSNR : 21.855 val_PSNR : 21.687 [142 Epoch] test_PSNR : 21.861 val_PSNR : 21.845 [143 Epoch] test_PSNR : 21.989 val_PSNR : 21.601 [144 Epoch] test_PSNR : 21.91 val_PSNR : 21.856 [145 Epoch] test_PSNR : 21.869 val_PSNR : 21.908 Epoch 00146: reducing learning rate of group 0 to 2.8248e-05. [146 Epoch] test_PSNR : 22.013 val_PSNR : 21.71 [147 Epoch] test_PSNR : 21.888 val_PSNR : 21.649 [148 Epoch] test_PSNR : 21.988 val_PSNR : 21.842 [149 Epoch] test_PSNR : 21.952 val_PSNR : 21.653 [150 Epoch] test_PSNR : 21.941 val_PSNR : 21.877 [151 Epoch] test_PSNR : 21.982 val_PSNR : 21.785 [152 Epoch] test_PSNR : 21.956 val_PSNR : 21.808 [153 Epoch] test_PSNR : 21.9 val_PSNR : 21.986 [154 Epoch] test_PSNR : 21.823 val_PSNR : 22.012 [155 Epoch] test_PSNR : 21.922 val_PSNR : 22.112 [156 Epoch] test_PSNR : 21.889 val_PSNR : 21.953 [157 Epoch] test_PSNR : 21.94 val_PSNR : 21.918 [158 Epoch] test_PSNR : 21.924 val_PSNR : 21.934 [159 Epoch] test_PSNR : 21.886 val_PSNR : 21.828 [160 Epoch] test_PSNR : 21.834 val_PSNR : 21.793 [161 Epoch] test_PSNR : 21.892 val_PSNR : 22.101 [162 Epoch] test_PSNR : 21.846 val_PSNR : 21.926 [163 Epoch] test_PSNR : 21.92 val_PSNR : 21.951 [164 Epoch] test_PSNR : 21.925 val_PSNR : 21.866 [165 Epoch] test_PSNR : 21.932 val_PSNR : 21.99 Epoch 00166: reducing learning rate of group 0 to 1.9773e-05. [166 Epoch] test_PSNR : 21.881 val_PSNR : 22.071 [167 Epoch] test_PSNR : 21.951 val_PSNR : 21.91 [168 Epoch] test_PSNR : 21.924 val_PSNR : 21.802 [169 Epoch] test_PSNR : 21.893 val_PSNR : 21.758 [170 Epoch] test_PSNR : 21.985 val_PSNR : 21.9 [171 Epoch] test_PSNR : 21.969 val_PSNR : 21.804 [172 Epoch] test_PSNR : 21.883 val_PSNR : 21.942 [173 Epoch] test_PSNR : 21.932 val_PSNR : 21.904 [174 Epoch] test_PSNR : 21.924 val_PSNR : 22.008 [175 Epoch] test_PSNR : 22.022 val_PSNR : 21.866 [176 Epoch] test_PSNR : 21.971 val_PSNR : 22.075 Epoch 00177: reducing learning rate of group 0 to 1.3841e-05. [177 Epoch] test_PSNR : 21.947 val_PSNR : 21.972 [178 Epoch] test_PSNR : 21.92 val_PSNR : 21.913 [179 Epoch] test_PSNR : 22.011 val_PSNR : 21.719 [180 Epoch] test_PSNR : 21.961 val_PSNR : 21.861 [181 Epoch] test_PSNR : 21.873 val_PSNR : 21.996 [182 Epoch] test_PSNR : 22.002 val_PSNR : 21.913 [183 Epoch] test_PSNR : 21.995 val_PSNR : 21.818 [184 Epoch] test_PSNR : 21.927 val_PSNR : 21.972 [185 Epoch] test_PSNR : 21.927 val_PSNR : 21.812 [186 Epoch] test_PSNR : 21.937 val_PSNR : 21.924 [187 Epoch] test_PSNR : 21.989 val_PSNR : 21.959 Epoch 00188: reducing learning rate of group 0 to 9.6889e-06. [188 Epoch] test_PSNR : 21.86 val_PSNR : 22.08 [189 Epoch] test_PSNR : 21.943 val_PSNR : 21.877 [190 Epoch] test_PSNR : 21.989 val_PSNR : 21.753 [191 Epoch] test_PSNR : 22.045 val_PSNR : 21.889 [192 Epoch] test_PSNR : 21.952 val_PSNR : 21.955 [193 Epoch] test_PSNR : 21.897 val_PSNR : 21.96 [194 Epoch] test_PSNR : 21.951 val_PSNR : 21.883 [195 Epoch] test_PSNR : 21.956 val_PSNR : 21.74 [196 Epoch] test_PSNR : 21.897 val_PSNR : 21.775 [197 Epoch] test_PSNR : 21.961 val_PSNR : 21.951 [198 Epoch] test_PSNR : 21.859 val_PSNR : 21.808 Epoch 00199: reducing learning rate of group 0 to 6.7822e-06. [199 Epoch] test_PSNR : 21.987 val_PSNR : 21.834 [200 Epoch] test_PSNR : 21.95 val_PSNR : 21.821
+++++ SNR = 10 Training Start! +++++
[1 Epoch] test_PSNR : 17.715 val_PSNR : 18.967 [2 Epoch] test_PSNR : 19.96 val_PSNR : 20.584 [3 Epoch] test_PSNR : 20.728 val_PSNR : 21.245 [4 Epoch] test_PSNR : 21.271 val_PSNR : 21.557 [5 Epoch] test_PSNR : 21.895 val_PSNR : 22.125 [6 Epoch] test_PSNR : 22.152 val_PSNR : 22.27 [7 Epoch] test_PSNR : 22.407 val_PSNR : 22.475 [8 Epoch] test_PSNR : 22.646 val_PSNR : 22.889 [9 Epoch] test_PSNR : 22.912 val_PSNR : 23.227 [10 Epoch] test_PSNR : 23.005 val_PSNR : 23.27 [11 Epoch] test_PSNR : 23.172 val_PSNR : 23.445 [12 Epoch] test_PSNR : 23.339 val_PSNR : 23.591 [13 Epoch] test_PSNR : 23.495 val_PSNR : 23.528 [14 Epoch] test_PSNR : 23.586 val_PSNR : 23.989 [15 Epoch] test_PSNR : 23.833 val_PSNR : 23.829 [16 Epoch] test_PSNR : 23.904 val_PSNR : 24.105 [17 Epoch] test_PSNR : 23.933 val_PSNR : 24.17 [18 Epoch] test_PSNR : 24.081 val_PSNR : 24.016 [19 Epoch] test_PSNR : 24.153 val_PSNR : 24.229 [20 Epoch] test_PSNR : 24.214 val_PSNR : 24.119 [21 Epoch] test_PSNR : 24.256 val_PSNR : 24.13 [22 Epoch] test_PSNR : 24.306 val_PSNR : 24.52 [23 Epoch] test_PSNR : 24.374 val_PSNR : 24.363 [24 Epoch] test_PSNR : 24.419 val_PSNR : 24.448 [25 Epoch] test_PSNR : 24.517 val_PSNR : 24.539 [26 Epoch] test_PSNR : 24.531 val_PSNR : 24.289 [27 Epoch] test_PSNR : 24.624 val_PSNR : 24.703 [28 Epoch] test_PSNR : 24.65 val_PSNR : 24.561 [29 Epoch] test_PSNR : 24.729 val_PSNR : 24.622 [30 Epoch] test_PSNR : 24.793 val_PSNR : 24.723 [31 Epoch] test_PSNR : 24.821 val_PSNR : 24.792 [32 Epoch] test_PSNR : 24.743 val_PSNR : 24.719 [33 Epoch] test_PSNR : 24.965 val_PSNR : 24.877 [34 Epoch] test_PSNR : 25.005 val_PSNR : 24.961 [35 Epoch] test_PSNR : 25.009 val_PSNR : 25.116 [36 Epoch] test_PSNR : 25.141 val_PSNR : 25.158 [37 Epoch] test_PSNR : 25.094 val_PSNR : 25.13 [38 Epoch] test_PSNR : 25.052 val_PSNR : 25.001 [39 Epoch] test_PSNR : 25.19 val_PSNR : 25.316 [40 Epoch] test_PSNR : 25.241 val_PSNR : 25.322 [41 Epoch] test_PSNR : 25.249 val_PSNR : 24.973 [42 Epoch] test_PSNR : 25.269 val_PSNR : 25.443 [43 Epoch] test_PSNR : 25.264 val_PSNR : 25.5 [44 Epoch] test_PSNR : 25.212 val_PSNR : 25.372 [45 Epoch] test_PSNR : 25.441 val_PSNR : 25.426 [46 Epoch] test_PSNR : 25.339 val_PSNR : 25.256 [47 Epoch] test_PSNR : 25.43 val_PSNR : 25.123 [48 Epoch] test_PSNR : 25.487 val_PSNR : 25.273 [49 Epoch] test_PSNR : 25.458 val_PSNR : 25.408 [50 Epoch] test_PSNR : 25.448 val_PSNR : 25.262 [51 Epoch] test_PSNR : 25.529 val_PSNR : 25.231 [52 Epoch] test_PSNR : 25.529 val_PSNR : 25.403 [53 Epoch] test_PSNR : 25.584 val_PSNR : 25.38 Epoch 00054: reducing learning rate of group 0 to 7.0000e-04. [54 Epoch] test_PSNR : 25.55 val_PSNR : 25.507 [55 Epoch] test_PSNR : 25.689 val_PSNR : 25.675 [56 Epoch] test_PSNR : 25.716 val_PSNR : 25.845 [57 Epoch] test_PSNR : 25.657 val_PSNR : 25.776 [58 Epoch] test_PSNR : 25.67 val_PSNR : 25.644 [59 Epoch] test_PSNR : 25.637 val_PSNR : 25.596 [60 Epoch] test_PSNR : 25.769 val_PSNR : 25.534 [61 Epoch] test_PSNR : 25.735 val_PSNR : 25.944 [62 Epoch] test_PSNR : 25.853 val_PSNR : 25.792 [63 Epoch] test_PSNR : 25.781 val_PSNR : 25.697 [64 Epoch] test_PSNR : 25.859 val_PSNR : 25.898 [65 Epoch] test_PSNR : 25.871 val_PSNR : 25.703 [66 Epoch] test_PSNR : 25.804 val_PSNR : 25.788 [67 Epoch] test_PSNR : 25.751 val_PSNR : 25.82 [68 Epoch] test_PSNR : 25.822 val_PSNR : 25.921 [69 Epoch] test_PSNR : 25.874 val_PSNR : 25.868 [70 Epoch] test_PSNR : 25.852 val_PSNR : 25.652 [71 Epoch] test_PSNR : 25.833 val_PSNR : 25.671 Epoch 00072: reducing learning rate of group 0 to 4.9000e-04. [72 Epoch] test_PSNR : 25.939 val_PSNR : 25.922 [73 Epoch] test_PSNR : 26.047 val_PSNR : 26.037 [74 Epoch] test_PSNR : 26.015 val_PSNR : 26.082 [75 Epoch] test_PSNR : 25.932 val_PSNR : 25.878 [76 Epoch] test_PSNR : 26.083 val_PSNR : 25.963 [77 Epoch] test_PSNR : 26.155 val_PSNR : 25.922 [78 Epoch] test_PSNR : 26.032 val_PSNR : 25.941 [79 Epoch] test_PSNR : 26.034 val_PSNR : 26.124 [80 Epoch] test_PSNR : 26.03 val_PSNR : 26.064 [81 Epoch] test_PSNR : 26.091 val_PSNR : 25.994 [82 Epoch] test_PSNR : 26.053 val_PSNR : 26.076 [83 Epoch] test_PSNR : 26.102 val_PSNR : 26.001 [84 Epoch] test_PSNR : 25.986 val_PSNR : 26.013 [85 Epoch] test_PSNR : 26.086 val_PSNR : 26.135 [86 Epoch] test_PSNR : 26.059 val_PSNR : 25.734 [87 Epoch] test_PSNR : 26.123 val_PSNR : 26.127 [88 Epoch] test_PSNR : 26.087 val_PSNR : 26.116 [89 Epoch] test_PSNR : 26.119 val_PSNR : 25.86 Epoch 00090: reducing learning rate of group 0 to 3.4300e-04. [90 Epoch] test_PSNR : 26.1 val_PSNR : 26.056 [91 Epoch] test_PSNR : 26.213 val_PSNR : 26.107 [92 Epoch] test_PSNR : 26.167 val_PSNR : 26.142 [93 Epoch] test_PSNR : 26.277 val_PSNR : 26.211 [94 Epoch] test_PSNR : 26.154 val_PSNR : 26.022 [95 Epoch] test_PSNR : 26.271 val_PSNR : 26.281 [96 Epoch] test_PSNR : 26.24 val_PSNR : 26.103 [97 Epoch] test_PSNR : 26.161 val_PSNR : 26.037 [98 Epoch] test_PSNR : 26.225 val_PSNR : 26.323 [99 Epoch] test_PSNR : 26.221 val_PSNR : 26.136 [100 Epoch] test_PSNR : 26.195 val_PSNR : 26.351 [101 Epoch] test_PSNR : 26.139 val_PSNR : 26.427 [102 Epoch] test_PSNR : 26.202 val_PSNR : 26.159 [103 Epoch] test_PSNR : 26.283 val_PSNR : 26.239 [104 Epoch] test_PSNR : 26.268 val_PSNR : 26.144 [105 Epoch] test_PSNR : 26.213 val_PSNR : 25.893 [106 Epoch] test_PSNR : 26.276 val_PSNR : 25.957 [107 Epoch] test_PSNR : 26.182 val_PSNR : 26.301 [108 Epoch] test_PSNR : 26.278 val_PSNR : 26.215 [109 Epoch] test_PSNR : 26.297 val_PSNR : 26.165 [110 Epoch] test_PSNR : 26.354 val_PSNR : 26.263 [111 Epoch] test_PSNR : 26.196 val_PSNR : 26.037 Epoch 00112: reducing learning rate of group 0 to 2.4010e-04. [112 Epoch] test_PSNR : 26.264 val_PSNR : 25.984 [113 Epoch] test_PSNR : 26.329 val_PSNR : 26.089 [114 Epoch] test_PSNR : 26.303 val_PSNR : 26.165 [115 Epoch] test_PSNR : 26.374 val_PSNR : 26.008 [116 Epoch] test_PSNR : 26.37 val_PSNR : 26.035 [117 Epoch] test_PSNR : 26.301 val_PSNR : 26.094 [118 Epoch] test_PSNR : 26.348 val_PSNR : 26.383 [119 Epoch] test_PSNR : 26.316 val_PSNR : 26.263 [120 Epoch] test_PSNR : 26.232 val_PSNR : 26.119 [121 Epoch] test_PSNR : 26.301 val_PSNR : 26.343 [122 Epoch] test_PSNR : 26.32 val_PSNR : 26.309 Epoch 00123: reducing learning rate of group 0 to 1.6807e-04. [123 Epoch] test_PSNR : 26.345 val_PSNR : 26.312 [124 Epoch] test_PSNR : 26.395 val_PSNR : 26.491 [125 Epoch] test_PSNR : 26.408 val_PSNR : 26.33 [126 Epoch] test_PSNR : 26.371 val_PSNR : 26.35 [127 Epoch] test_PSNR : 26.401 val_PSNR : 26.373 [128 Epoch] test_PSNR : 26.451 val_PSNR : 26.359 [129 Epoch] test_PSNR : 26.332 val_PSNR : 26.472 [130 Epoch] test_PSNR : 26.36 val_PSNR : 26.383 [131 Epoch] test_PSNR : 26.418 val_PSNR : 26.313 [132 Epoch] test_PSNR : 26.384 val_PSNR : 26.265 [133 Epoch] test_PSNR : 26.469 val_PSNR : 26.329 [134 Epoch] test_PSNR : 26.368 val_PSNR : 26.246 Epoch 00135: reducing learning rate of group 0 to 1.1765e-04. [135 Epoch] test_PSNR : 26.461 val_PSNR : 26.404 [136 Epoch] test_PSNR : 26.466 val_PSNR : 26.393 [137 Epoch] test_PSNR : 26.439 val_PSNR : 26.318 [138 Epoch] test_PSNR : 26.49 val_PSNR : 26.47 [139 Epoch] test_PSNR : 26.503 val_PSNR : 26.258 [140 Epoch] test_PSNR : 26.472 val_PSNR : 26.403 [141 Epoch] test_PSNR : 26.469 val_PSNR : 26.398 [142 Epoch] test_PSNR : 26.5 val_PSNR : 26.309 [143 Epoch] test_PSNR : 26.434 val_PSNR : 26.399 [144 Epoch] test_PSNR : 26.448 val_PSNR : 26.55 [145 Epoch] test_PSNR : 26.447 val_PSNR : 26.527 [146 Epoch] test_PSNR : 26.532 val_PSNR : 26.174 [147 Epoch] test_PSNR : 26.517 val_PSNR : 26.352 [148 Epoch] test_PSNR : 26.49 val_PSNR : 26.606 [149 Epoch] test_PSNR : 26.415 val_PSNR : 26.421 [150 Epoch] test_PSNR : 26.445 val_PSNR : 26.416 [151 Epoch] test_PSNR : 26.494 val_PSNR : 26.471 [152 Epoch] test_PSNR : 26.452 val_PSNR : 26.476 [153 Epoch] test_PSNR : 26.403 val_PSNR : 26.35 [154 Epoch] test_PSNR : 26.376 val_PSNR : 26.409 [155 Epoch] test_PSNR : 26.413 val_PSNR : 26.28 [156 Epoch] test_PSNR : 26.503 val_PSNR : 26.533 [157 Epoch] test_PSNR : 26.498 val_PSNR : 26.642 [158 Epoch] test_PSNR : 26.449 val_PSNR : 26.491 [159 Epoch] test_PSNR : 26.421 val_PSNR : 26.388 [160 Epoch] test_PSNR : 26.517 val_PSNR : 26.67 [161 Epoch] test_PSNR : 26.432 val_PSNR : 26.642 [162 Epoch] test_PSNR : 26.405 val_PSNR : 26.504 [163 Epoch] test_PSNR : 26.415 val_PSNR : 26.377 [164 Epoch] test_PSNR : 26.601 val_PSNR : 26.602 [165 Epoch] test_PSNR : 26.507 val_PSNR : 26.497 [166 Epoch] test_PSNR : 26.521 val_PSNR : 26.306 [167 Epoch] test_PSNR : 26.467 val_PSNR : 26.422 [168 Epoch] test_PSNR : 26.467 val_PSNR : 26.375 [169 Epoch] test_PSNR : 26.442 val_PSNR : 26.298 [170 Epoch] test_PSNR : 26.445 val_PSNR : 26.602 Epoch 00171: reducing learning rate of group 0 to 8.2354e-05. [171 Epoch] test_PSNR : 26.497 val_PSNR : 26.448 [172 Epoch] test_PSNR : 26.435 val_PSNR : 26.362 [173 Epoch] test_PSNR : 26.522 val_PSNR : 26.483 [174 Epoch] test_PSNR : 26.443 val_PSNR : 26.523 [175 Epoch] test_PSNR : 26.502 val_PSNR : 26.599 [176 Epoch] test_PSNR : 26.616 val_PSNR : 26.54 [177 Epoch] test_PSNR : 26.511 val_PSNR : 26.43 [178 Epoch] test_PSNR : 26.581 val_PSNR : 26.409 [179 Epoch] test_PSNR : 26.499 val_PSNR : 26.418 [180 Epoch] test_PSNR : 26.38 val_PSNR : 26.526 [181 Epoch] test_PSNR : 26.387 val_PSNR : 26.325 Epoch 00182: reducing learning rate of group 0 to 5.7648e-05. [182 Epoch] test_PSNR : 26.524 val_PSNR : 26.495 [183 Epoch] test_PSNR : 26.481 val_PSNR : 26.358 [184 Epoch] test_PSNR : 26.505 val_PSNR : 26.42 [185 Epoch] test_PSNR : 26.504 val_PSNR : 26.437 [186 Epoch] test_PSNR : 26.624 val_PSNR : 26.499 [187 Epoch] test_PSNR : 26.461 val_PSNR : 26.445 [188 Epoch] test_PSNR : 26.514 val_PSNR : 26.599 [189 Epoch] test_PSNR : 26.523 val_PSNR : 26.347 [190 Epoch] test_PSNR : 26.518 val_PSNR : 26.664 [191 Epoch] test_PSNR : 26.545 val_PSNR : 26.485 [192 Epoch] test_PSNR : 26.566 val_PSNR : 26.6 Epoch 00193: reducing learning rate of group 0 to 4.0354e-05. [193 Epoch] test_PSNR : 26.564 val_PSNR : 26.337 [194 Epoch] test_PSNR : 26.548 val_PSNR : 26.409 [195 Epoch] test_PSNR : 26.569 val_PSNR : 26.407 [196 Epoch] test_PSNR : 26.549 val_PSNR : 26.484 [197 Epoch] test_PSNR : 26.499 val_PSNR : 26.456 [198 Epoch] test_PSNR : 26.533 val_PSNR : 26.542 [199 Epoch] test_PSNR : 26.611 val_PSNR : 26.779 [200 Epoch] test_PSNR : 26.496 val_PSNR : 26.434
+++++ SNR = 20 Training Start! +++++
[1 Epoch] test_PSNR : 18.0 val_PSNR : 19.933 [2 Epoch] test_PSNR : 20.42 val_PSNR : 20.6 [3 Epoch] test_PSNR : 20.848 val_PSNR : 20.76 [4 Epoch] test_PSNR : 21.348 val_PSNR : 21.542 [5 Epoch] test_PSNR : 21.731 val_PSNR : 22.188 [6 Epoch] test_PSNR : 22.299 val_PSNR : 22.573 [7 Epoch] test_PSNR : 22.861 val_PSNR : 23.01 [8 Epoch] test_PSNR : 23.221 val_PSNR : 23.411 [9 Epoch] test_PSNR : 23.527 val_PSNR : 23.925 [10 Epoch] test_PSNR : 23.73 val_PSNR : 24.015 [11 Epoch] test_PSNR : 23.99 val_PSNR : 24.232 [12 Epoch] test_PSNR : 24.179 val_PSNR : 24.392 [13 Epoch] test_PSNR : 24.45 val_PSNR : 24.603 [14 Epoch] test_PSNR : 24.528 val_PSNR : 24.61 [15 Epoch] test_PSNR : 24.858 val_PSNR : 24.785 [16 Epoch] test_PSNR : 24.922 val_PSNR : 24.816 [17 Epoch] test_PSNR : 25.051 val_PSNR : 25.05 [18 Epoch] test_PSNR : 25.094 val_PSNR : 25.334 [19 Epoch] test_PSNR : 25.365 val_PSNR : 25.495 [20 Epoch] test_PSNR : 25.482 val_PSNR : 25.488 [21 Epoch] test_PSNR : 25.574 val_PSNR : 25.462 [22 Epoch] test_PSNR : 25.618 val_PSNR : 25.848 [23 Epoch] test_PSNR : 25.635 val_PSNR : 25.524 [24 Epoch] test_PSNR : 25.836 val_PSNR : 26.073 [25 Epoch] test_PSNR : 25.831 val_PSNR : 25.977 [26 Epoch] test_PSNR : 25.941 val_PSNR : 25.242 [27 Epoch] test_PSNR : 26.031 val_PSNR : 26.037 [28 Epoch] test_PSNR : 26.167 val_PSNR : 26.32 [29 Epoch] test_PSNR : 26.212 val_PSNR : 26.469 [30 Epoch] test_PSNR : 26.258 val_PSNR : 26.474 [31 Epoch] test_PSNR : 26.394 val_PSNR : 26.463 [32 Epoch] test_PSNR : 26.458 val_PSNR : 25.945 [33 Epoch] test_PSNR : 26.502 val_PSNR : 26.44 [34 Epoch] test_PSNR : 26.527 val_PSNR : 26.41 [35 Epoch] test_PSNR : 26.64 val_PSNR : 26.471 [36 Epoch] test_PSNR : 26.596 val_PSNR : 26.651 [37 Epoch] test_PSNR : 26.672 val_PSNR : 26.697 [38 Epoch] test_PSNR : 26.749 val_PSNR : 26.978 [39 Epoch] test_PSNR : 26.799 val_PSNR : 26.77 [40 Epoch] test_PSNR : 26.915 val_PSNR : 27.001 [41 Epoch] test_PSNR : 26.835 val_PSNR : 26.874 [42 Epoch] test_PSNR : 26.885 val_PSNR : 26.794 [43 Epoch] test_PSNR : 26.958 val_PSNR : 26.894 [44 Epoch] test_PSNR : 27.012 val_PSNR : 26.906 [45 Epoch] test_PSNR : 27.045 val_PSNR : 26.792 [46 Epoch] test_PSNR : 26.996 val_PSNR : 27.042 [47 Epoch] test_PSNR : 27.038 val_PSNR : 27.234 [48 Epoch] test_PSNR : 27.13 val_PSNR : 27.186 [49 Epoch] test_PSNR : 27.152 val_PSNR : 27.131 [50 Epoch] test_PSNR : 27.225 val_PSNR : 26.921 [51 Epoch] test_PSNR : 27.226 val_PSNR : 27.06 [52 Epoch] test_PSNR : 27.273 val_PSNR : 27.093 [53 Epoch] test_PSNR : 27.293 val_PSNR : 27.302 [54 Epoch] test_PSNR : 27.284 val_PSNR : 27.264 [55 Epoch] test_PSNR : 27.325 val_PSNR : 27.282 [56 Epoch] test_PSNR : 27.359 val_PSNR : 27.284 [57 Epoch] test_PSNR : 27.347 val_PSNR : 27.252 [58 Epoch] test_PSNR : 27.401 val_PSNR : 27.458 [59 Epoch] test_PSNR : 27.545 val_PSNR : 27.418 [60 Epoch] test_PSNR : 27.464 val_PSNR : 27.652 [61 Epoch] test_PSNR : 27.415 val_PSNR : 27.263 [62 Epoch] test_PSNR : 27.603 val_PSNR : 27.553 [63 Epoch] test_PSNR : 27.604 val_PSNR : 27.6 [64 Epoch] test_PSNR : 27.614 val_PSNR : 27.416 [65 Epoch] test_PSNR : 27.641 val_PSNR : 27.667 [66 Epoch] test_PSNR : 27.641 val_PSNR : 27.653 [67 Epoch] test_PSNR : 27.737 val_PSNR : 27.89 [68 Epoch] test_PSNR : 27.693 val_PSNR : 27.565 [69 Epoch] test_PSNR : 27.676 val_PSNR : 27.436 [70 Epoch] test_PSNR : 27.719 val_PSNR : 27.778 [71 Epoch] test_PSNR : 27.75 val_PSNR : 27.722 [72 Epoch] test_PSNR : 27.747 val_PSNR : 27.766 [73 Epoch] test_PSNR : 27.867 val_PSNR : 27.819 [74 Epoch] test_PSNR : 27.781 val_PSNR : 28.026 [75 Epoch] test_PSNR : 27.928 val_PSNR : 27.824 [76 Epoch] test_PSNR : 27.9 val_PSNR : 28.117 [77 Epoch] test_PSNR : 27.871 val_PSNR : 27.909 [78 Epoch] test_PSNR : 27.979 val_PSNR : 27.951 [79 Epoch] test_PSNR : 28.01 val_PSNR : 28.1 [80 Epoch] test_PSNR : 27.944 val_PSNR : 27.857 [81 Epoch] test_PSNR : 27.966 val_PSNR : 28.068 [82 Epoch] test_PSNR : 27.939 val_PSNR : 28.023 [83 Epoch] test_PSNR : 28.079 val_PSNR : 27.85 [84 Epoch] test_PSNR : 28.083 val_PSNR : 27.973 [85 Epoch] test_PSNR : 28.007 val_PSNR : 28.299 [86 Epoch] test_PSNR : 28.092 val_PSNR : 27.881 [87 Epoch] test_PSNR : 28.093 val_PSNR : 28.208 [88 Epoch] test_PSNR : 28.088 val_PSNR : 28.137 [89 Epoch] test_PSNR : 28.088 val_PSNR : 28.131 [90 Epoch] test_PSNR : 28.159 val_PSNR : 27.725 [91 Epoch] test_PSNR : 28.157 val_PSNR : 28.129 [92 Epoch] test_PSNR : 28.182 val_PSNR : 28.092 [93 Epoch] test_PSNR : 28.16 val_PSNR : 27.978 [94 Epoch] test_PSNR : 28.2 val_PSNR : 28.05 [95 Epoch] test_PSNR : 28.149 val_PSNR : 28.046 Epoch 00096: reducing learning rate of group 0 to 7.0000e-04. [96 Epoch] test_PSNR : 28.214 val_PSNR : 28.282 [97 Epoch] test_PSNR : 28.371 val_PSNR : 28.424 [98 Epoch] test_PSNR : 28.36 val_PSNR : 28.344 [99 Epoch] test_PSNR : 28.409 val_PSNR : 28.333 [100 Epoch] test_PSNR : 28.385 val_PSNR : 28.457 [101 Epoch] test_PSNR : 28.406 val_PSNR : 28.28 [102 Epoch] test_PSNR : 28.452 val_PSNR : 28.45 [103 Epoch] test_PSNR : 28.437 val_PSNR : 28.403 [104 Epoch] test_PSNR : 28.462 val_PSNR : 27.997 [105 Epoch] test_PSNR : 28.514 val_PSNR : 28.564 [106 Epoch] test_PSNR : 28.525 val_PSNR : 28.668 [107 Epoch] test_PSNR : 28.54 val_PSNR : 28.436 [108 Epoch] test_PSNR : 28.447 val_PSNR : 28.491 [109 Epoch] test_PSNR : 28.584 val_PSNR : 28.562 [110 Epoch] test_PSNR : 28.496 val_PSNR : 28.273 [111 Epoch] test_PSNR : 28.533 val_PSNR : 28.459 [112 Epoch] test_PSNR : 28.595 val_PSNR : 28.234 [113 Epoch] test_PSNR : 28.575 val_PSNR : 28.471 [114 Epoch] test_PSNR : 28.557 val_PSNR : 28.517 [115 Epoch] test_PSNR : 28.555 val_PSNR : 28.681 [116 Epoch] test_PSNR : 28.568 val_PSNR : 28.461 Epoch 00117: reducing learning rate of group 0 to 4.9000e-04. [117 Epoch] test_PSNR : 28.571 val_PSNR : 28.3 [118 Epoch] test_PSNR : 28.644 val_PSNR : 28.413 [119 Epoch] test_PSNR : 28.676 val_PSNR : 28.576 [120 Epoch] test_PSNR : 28.645 val_PSNR : 28.692 [121 Epoch] test_PSNR : 28.772 val_PSNR : 28.85 [122 Epoch] test_PSNR : 28.739 val_PSNR : 28.705 [123 Epoch] test_PSNR : 28.719 val_PSNR : 28.749 [124 Epoch] test_PSNR : 28.698 val_PSNR : 28.465 [125 Epoch] test_PSNR : 28.719 val_PSNR : 28.563 [126 Epoch] test_PSNR : 28.771 val_PSNR : 28.713 [127 Epoch] test_PSNR : 28.804 val_PSNR : 28.691 [128 Epoch] test_PSNR : 28.791 val_PSNR : 28.545 [129 Epoch] test_PSNR : 28.796 val_PSNR : 28.774 [130 Epoch] test_PSNR : 28.793 val_PSNR : 28.508 [131 Epoch] test_PSNR : 28.766 val_PSNR : 28.628 Epoch 00132: reducing learning rate of group 0 to 3.4300e-04. [132 Epoch] test_PSNR : 28.81 val_PSNR : 28.554 [133 Epoch] test_PSNR : 28.877 val_PSNR : 28.967 [134 Epoch] test_PSNR : 28.86 val_PSNR : 28.726 [135 Epoch] test_PSNR : 28.853 val_PSNR : 28.896 [136 Epoch] test_PSNR : 28.903 val_PSNR : 28.831 [137 Epoch] test_PSNR : 28.836 val_PSNR : 28.716 [138 Epoch] test_PSNR : 28.877 val_PSNR : 28.828 [139 Epoch] test_PSNR : 28.838 val_PSNR : 28.984 [140 Epoch] test_PSNR : 28.893 val_PSNR : 29.001 [141 Epoch] test_PSNR : 28.804 val_PSNR : 28.954 [142 Epoch] test_PSNR : 28.888 val_PSNR : 28.681 [143 Epoch] test_PSNR : 28.817 val_PSNR : 28.897 [144 Epoch] test_PSNR : 28.9 val_PSNR : 28.94 [145 Epoch] test_PSNR : 28.892 val_PSNR : 28.806 [146 Epoch] test_PSNR : 28.884 val_PSNR : 28.884 [147 Epoch] test_PSNR : 28.906 val_PSNR : 28.797 [148 Epoch] test_PSNR : 28.819 val_PSNR : 28.756 [149 Epoch] test_PSNR : 28.949 val_PSNR : 28.916 [150 Epoch] test_PSNR : 28.88 val_PSNR : 28.887 Epoch 00151: reducing learning rate of group 0 to 2.4010e-04. [151 Epoch] test_PSNR : 28.831 val_PSNR : 28.915 [152 Epoch] test_PSNR : 28.94 val_PSNR : 28.905 [153 Epoch] test_PSNR : 28.996 val_PSNR : 28.996 [154 Epoch] test_PSNR : 29.065 val_PSNR : 29.148 [155 Epoch] test_PSNR : 28.977 val_PSNR : 28.968 [156 Epoch] test_PSNR : 29.066 val_PSNR : 28.942 [157 Epoch] test_PSNR : 28.998 val_PSNR : 28.856 [158 Epoch] test_PSNR : 29.014 val_PSNR : 28.919 [159 Epoch] test_PSNR : 29.008 val_PSNR : 29.014 [160 Epoch] test_PSNR : 29.053 val_PSNR : 29.003 [161 Epoch] test_PSNR : 28.966 val_PSNR : 29.189 [162 Epoch] test_PSNR : 29.079 val_PSNR : 29.195 [163 Epoch] test_PSNR : 28.979 val_PSNR : 28.977 [164 Epoch] test_PSNR : 29.06 val_PSNR : 29.132 [165 Epoch] test_PSNR : 29.074 val_PSNR : 28.89 [166 Epoch] test_PSNR : 29.063 val_PSNR : 28.892 [167 Epoch] test_PSNR : 29.089 val_PSNR : 28.95 [168 Epoch] test_PSNR : 29.004 val_PSNR : 28.993 [169 Epoch] test_PSNR : 29.043 val_PSNR : 29.091 [170 Epoch] test_PSNR : 29.041 val_PSNR : 29.014 [171 Epoch] test_PSNR : 29.075 val_PSNR : 28.891 Epoch 00172: reducing learning rate of group 0 to 1.6807e-04. [172 Epoch] test_PSNR : 28.97 val_PSNR : 29.011 [173 Epoch] test_PSNR : 29.07 val_PSNR : 29.219 [174 Epoch] test_PSNR : 29.155 val_PSNR : 28.982 [175 Epoch] test_PSNR : 29.101 val_PSNR : 29.14 [176 Epoch] test_PSNR : 29.049 val_PSNR : 29.19 [177 Epoch] test_PSNR : 29.124 val_PSNR : 29.066 [178 Epoch] test_PSNR : 29.052 val_PSNR : 29.076 [179 Epoch] test_PSNR : 29.103 val_PSNR : 28.98 [180 Epoch] test_PSNR : 29.05 val_PSNR : 28.994 [181 Epoch] test_PSNR : 29.149 val_PSNR : 29.084 [182 Epoch] test_PSNR : 29.116 val_PSNR : 29.028 [183 Epoch] test_PSNR : 29.151 val_PSNR : 29.089 Epoch 00184: reducing learning rate of group 0 to 1.1765e-04. [184 Epoch] test_PSNR : 29.2 val_PSNR : 28.812 [185 Epoch] test_PSNR : 29.161 val_PSNR : 29.017 [186 Epoch] test_PSNR : 29.183 val_PSNR : 29.337 [187 Epoch] test_PSNR : 29.199 val_PSNR : 29.005 [188 Epoch] test_PSNR : 29.062 val_PSNR : 28.882 [189 Epoch] test_PSNR : 29.071 val_PSNR : 29.251 [190 Epoch] test_PSNR : 29.204 val_PSNR : 28.779 [191 Epoch] test_PSNR : 29.216 val_PSNR : 29.077 [192 Epoch] test_PSNR : 29.168 val_PSNR : 29.135 [193 Epoch] test_PSNR : 29.222 val_PSNR : 28.985 [194 Epoch] test_PSNR : 29.092 val_PSNR : 29.258 [195 Epoch] test_PSNR : 29.27 val_PSNR : 29.185 [196 Epoch] test_PSNR : 29.094 val_PSNR : 29.212 Epoch 00197: reducing learning rate of group 0 to 8.2354e-05. [197 Epoch] test_PSNR : 29.139 val_PSNR : 29.044 [198 Epoch] test_PSNR : 29.223 val_PSNR : 28.998 [199 Epoch] test_PSNR : 29.143 val_PSNR : 29.142 [200 Epoch] test_PSNR : 29.228 val_PSNR : 29.09
+++++ SNR = 30 Training Start! +++++
[1 Epoch] test_PSNR : 18.085 val_PSNR : 19.885 [2 Epoch] test_PSNR : 20.483 val_PSNR : 20.847 [3 Epoch] test_PSNR : 21.009 val_PSNR : 21.258 [4 Epoch] test_PSNR : 21.566 val_PSNR : 21.647 [5 Epoch] test_PSNR : 22.167 val_PSNR : 22.681 [6 Epoch] test_PSNR : 22.745 val_PSNR : 23.115 [7 Epoch] test_PSNR : 23.188 val_PSNR : 23.605 [8 Epoch] test_PSNR : 23.586 val_PSNR : 23.605 [9 Epoch] test_PSNR : 23.845 val_PSNR : 22.964 [10 Epoch] test_PSNR : 24.2 val_PSNR : 24.207 [11 Epoch] test_PSNR : 24.478 val_PSNR : 24.5 [12 Epoch] test_PSNR : 24.72 val_PSNR : 25.286 [13 Epoch] test_PSNR : 24.922 val_PSNR : 24.944 [14 Epoch] test_PSNR : 25.086 val_PSNR : 25.294 [15 Epoch] test_PSNR : 25.287 val_PSNR : 25.544 [16 Epoch] test_PSNR : 25.409 val_PSNR : 25.609 [17 Epoch] test_PSNR : 25.493 val_PSNR : 25.652 [18 Epoch] test_PSNR : 25.653 val_PSNR : 25.494 [19 Epoch] test_PSNR : 25.723 val_PSNR : 25.474 [20 Epoch] test_PSNR : 25.959 val_PSNR : 26.124 [21 Epoch] test_PSNR : 25.934 val_PSNR : 26.157 [22 Epoch] test_PSNR : 26.046 val_PSNR : 26.251 [23 Epoch] test_PSNR : 26.385 val_PSNR : 26.214 [24 Epoch] test_PSNR : 26.36 val_PSNR : 25.398 [25 Epoch] test_PSNR : 26.378 val_PSNR : 26.247 [26 Epoch] test_PSNR : 26.505 val_PSNR : 26.334 [27 Epoch] test_PSNR : 26.531 val_PSNR : 26.435 [28 Epoch] test_PSNR : 26.649 val_PSNR : 26.673 [29 Epoch] test_PSNR : 26.847 val_PSNR : 26.812 [30 Epoch] test_PSNR : 26.812 val_PSNR : 27.061 [31 Epoch] test_PSNR : 26.901 val_PSNR : 26.892 [32 Epoch] test_PSNR : 27.035 val_PSNR : 26.984 [33 Epoch] test_PSNR : 27.026 val_PSNR : 27.17 [34 Epoch] test_PSNR : 27.156 val_PSNR : 26.781 [35 Epoch] test_PSNR : 27.267 val_PSNR : 27.263 [36 Epoch] test_PSNR : 27.253 val_PSNR : 26.872 [37 Epoch] test_PSNR : 27.444 val_PSNR : 27.367 [38 Epoch] test_PSNR : 27.319 val_PSNR : 27.438 [39 Epoch] test_PSNR : 27.375 val_PSNR : 27.075 [40 Epoch] test_PSNR : 27.424 val_PSNR : 26.734 [41 Epoch] test_PSNR : 27.526 val_PSNR : 27.723 [42 Epoch] test_PSNR : 27.52 val_PSNR : 27.47 [43 Epoch] test_PSNR : 27.602 val_PSNR : 27.36 [44 Epoch] test_PSNR : 27.647 val_PSNR : 27.505 [45 Epoch] test_PSNR : 27.74 val_PSNR : 27.618 [46 Epoch] test_PSNR : 27.845 val_PSNR : 27.783 [47 Epoch] test_PSNR : 27.787 val_PSNR : 27.985 [48 Epoch] test_PSNR : 27.835 val_PSNR : 28.317 [49 Epoch] test_PSNR : 27.897 val_PSNR : 27.948 [50 Epoch] test_PSNR : 27.972 val_PSNR : 27.943 [51 Epoch] test_PSNR : 27.944 val_PSNR : 27.915 [52 Epoch] test_PSNR : 28.002 val_PSNR : 28.122 [53 Epoch] test_PSNR : 28.016 val_PSNR : 28.038 [54 Epoch] test_PSNR : 28.049 val_PSNR : 28.038 [55 Epoch] test_PSNR : 28.211 val_PSNR : 27.941 [56 Epoch] test_PSNR : 28.158 val_PSNR : 27.97 [57 Epoch] test_PSNR : 28.279 val_PSNR : 28.208 [58 Epoch] test_PSNR : 28.243 val_PSNR : 28.509 [59 Epoch] test_PSNR : 28.293 val_PSNR : 28.054 [60 Epoch] test_PSNR : 28.287 val_PSNR : 28.199 [61 Epoch] test_PSNR : 28.273 val_PSNR : 28.268 [62 Epoch] test_PSNR : 28.411 val_PSNR : 28.449 [63 Epoch] test_PSNR : 28.305 val_PSNR : 28.482 [64 Epoch] test_PSNR : 28.415 val_PSNR : 28.672 [65 Epoch] test_PSNR : 28.516 val_PSNR : 28.495 [66 Epoch] test_PSNR : 28.462 val_PSNR : 28.658 [67 Epoch] test_PSNR : 28.517 val_PSNR : 28.689 [68 Epoch] test_PSNR : 28.618 val_PSNR : 28.619 [69 Epoch] test_PSNR : 28.627 val_PSNR : 28.751 [70 Epoch] test_PSNR : 28.689 val_PSNR : 28.506 [71 Epoch] test_PSNR : 28.813 val_PSNR : 28.62 [72 Epoch] test_PSNR : 28.73 val_PSNR : 28.859 [73 Epoch] test_PSNR : 28.742 val_PSNR : 28.821 [74 Epoch] test_PSNR : 28.748 val_PSNR : 28.817 [75 Epoch] test_PSNR : 28.779 val_PSNR : 28.805 [76 Epoch] test_PSNR : 28.894 val_PSNR : 29.09 [77 Epoch] test_PSNR : 28.831 val_PSNR : 28.793 [78 Epoch] test_PSNR : 28.899 val_PSNR : 28.633 [79 Epoch] test_PSNR : 28.95 val_PSNR : 29.1 [80 Epoch] test_PSNR : 28.848 val_PSNR : 29.042 [81 Epoch] test_PSNR : 28.871 val_PSNR : 28.692 [82 Epoch] test_PSNR : 29.035 val_PSNR : 28.879 [83 Epoch] test_PSNR : 29.028 val_PSNR : 28.138 [84 Epoch] test_PSNR : 29.063 val_PSNR : 28.836 [85 Epoch] test_PSNR : 29.14 val_PSNR : 29.08 [86 Epoch] test_PSNR : 29.046 val_PSNR : 29.189 [87 Epoch] test_PSNR : 29.147 val_PSNR : 28.776 [88 Epoch] test_PSNR : 29.098 val_PSNR : 29.123 [89 Epoch] test_PSNR : 29.133 val_PSNR : 29.07 [90 Epoch] test_PSNR : 29.177 val_PSNR : 29.001 [91 Epoch] test_PSNR : 29.146 val_PSNR : 29.125 [92 Epoch] test_PSNR : 29.141 val_PSNR : 29.279 [93 Epoch] test_PSNR : 29.194 val_PSNR : 29.29 [94 Epoch] test_PSNR : 29.378 val_PSNR : 28.907 [95 Epoch] test_PSNR : 29.237 val_PSNR : 29.255 [96 Epoch] test_PSNR : 29.223 val_PSNR : 29.08 [97 Epoch] test_PSNR : 29.307 val_PSNR : 29.392 [98 Epoch] test_PSNR : 29.307 val_PSNR : 29.375 [99 Epoch] test_PSNR : 29.347 val_PSNR : 29.021 [100 Epoch] test_PSNR : 29.517 val_PSNR : 29.138 [101 Epoch] test_PSNR : 29.476 val_PSNR : 29.223 [102 Epoch] test_PSNR : 29.435 val_PSNR : 29.712 [103 Epoch] test_PSNR : 29.471 val_PSNR : 29.507 [104 Epoch] test_PSNR : 29.469 val_PSNR : 29.238 [105 Epoch] test_PSNR : 29.54 val_PSNR : 29.56 [106 Epoch] test_PSNR : 29.438 val_PSNR : 29.397 [107 Epoch] test_PSNR : 29.492 val_PSNR : 29.272 [108 Epoch] test_PSNR : 29.581 val_PSNR : 29.382 [109 Epoch] test_PSNR : 29.59 val_PSNR : 29.712 [110 Epoch] test_PSNR : 29.47 val_PSNR : 29.312 [111 Epoch] test_PSNR : 29.602 val_PSNR : 29.439 [112 Epoch] test_PSNR : 29.502 val_PSNR : 29.196 [113 Epoch] test_PSNR : 29.499 val_PSNR : 29.784 [114 Epoch] test_PSNR : 29.734 val_PSNR : 29.451 [115 Epoch] test_PSNR : 29.681 val_PSNR : 29.558 [116 Epoch] test_PSNR : 29.799 val_PSNR : 29.384 [117 Epoch] test_PSNR : 29.636 val_PSNR : 29.694 [118 Epoch] test_PSNR : 29.799 val_PSNR : 29.477 [119 Epoch] test_PSNR : 29.659 val_PSNR : 29.696 [120 Epoch] test_PSNR : 29.72 val_PSNR : 29.62 [121 Epoch] test_PSNR : 29.696 val_PSNR : 29.75 [122 Epoch] test_PSNR : 29.782 val_PSNR : 29.721 [123 Epoch] test_PSNR : 29.622 val_PSNR : 29.586 [124 Epoch] test_PSNR : 29.707 val_PSNR : 29.933 [125 Epoch] test_PSNR : 29.808 val_PSNR : 29.622 [126 Epoch] test_PSNR : 29.812 val_PSNR : 29.835 [127 Epoch] test_PSNR : 29.836 val_PSNR : 29.803 [128 Epoch] test_PSNR : 29.93 val_PSNR : 29.862 [129 Epoch] test_PSNR : 29.773 val_PSNR : 29.961 [130 Epoch] test_PSNR : 29.876 val_PSNR : 29.763 [131 Epoch] test_PSNR : 29.816 val_PSNR : 29.66 [132 Epoch] test_PSNR : 29.823 val_PSNR : 30.079 [133 Epoch] test_PSNR : 29.889 val_PSNR : 30.023 [134 Epoch] test_PSNR : 29.928 val_PSNR : 29.632 [135 Epoch] test_PSNR : 29.925 val_PSNR : 29.464 [136 Epoch] test_PSNR : 29.849 val_PSNR : 29.699 [137 Epoch] test_PSNR : 29.875 val_PSNR : 29.81 [138 Epoch] test_PSNR : 29.921 val_PSNR : 29.732 [139 Epoch] test_PSNR : 29.855 val_PSNR : 30.032 [140 Epoch] test_PSNR : 29.99 val_PSNR : 29.85 [141 Epoch] test_PSNR : 30.045 val_PSNR : 29.924 [142 Epoch] test_PSNR : 29.922 val_PSNR : 30.011 Epoch 00143: reducing learning rate of group 0 to 7.0000e-04. [143 Epoch] test_PSNR : 29.925 val_PSNR : 29.833 [144 Epoch] test_PSNR : 30.115 val_PSNR : 30.305 [145 Epoch] test_PSNR : 30.138 val_PSNR : 30.089 [146 Epoch] test_PSNR : 30.284 val_PSNR : 30.233 [147 Epoch] test_PSNR : 30.191 val_PSNR : 30.141 [148 Epoch] test_PSNR : 30.195 val_PSNR : 29.987 [149 Epoch] test_PSNR : 30.139 val_PSNR : 30.221 [150 Epoch] test_PSNR : 30.194 val_PSNR : 30.112 [151 Epoch] test_PSNR : 30.177 val_PSNR : 30.091 [152 Epoch] test_PSNR : 30.223 val_PSNR : 30.401 [153 Epoch] test_PSNR : 30.216 val_PSNR : 30.044 [154 Epoch] test_PSNR : 30.12 val_PSNR : 30.217 [155 Epoch] test_PSNR : 30.279 val_PSNR : 30.161 [156 Epoch] test_PSNR : 30.183 val_PSNR : 30.259 [157 Epoch] test_PSNR : 30.264 val_PSNR : 30.098 [158 Epoch] test_PSNR : 30.183 val_PSNR : 30.149 [159 Epoch] test_PSNR : 30.26 val_PSNR : 30.211 [160 Epoch] test_PSNR : 30.291 val_PSNR : 30.376 [161 Epoch] test_PSNR : 30.329 val_PSNR : 30.471 [162 Epoch] test_PSNR : 30.294 val_PSNR : 30.051 [163 Epoch] test_PSNR : 30.345 val_PSNR : 30.126 [164 Epoch] test_PSNR : 30.316 val_PSNR : 30.181 [165 Epoch] test_PSNR : 30.283 val_PSNR : 30.161 [166 Epoch] test_PSNR : 30.369 val_PSNR : 30.199 [167 Epoch] test_PSNR : 30.353 val_PSNR : 30.224 [168 Epoch] test_PSNR : 30.378 val_PSNR : 30.277 [169 Epoch] test_PSNR : 30.401 val_PSNR : 30.238 [170 Epoch] test_PSNR : 30.311 val_PSNR : 30.4 [171 Epoch] test_PSNR : 30.316 val_PSNR : 30.591 [172 Epoch] test_PSNR : 30.378 val_PSNR : 30.411 [173 Epoch] test_PSNR : 30.29 val_PSNR : 30.473 [174 Epoch] test_PSNR : 30.388 val_PSNR : 30.371 [175 Epoch] test_PSNR : 30.362 val_PSNR : 30.163 [176 Epoch] test_PSNR : 30.278 val_PSNR : 30.361 [177 Epoch] test_PSNR : 30.446 val_PSNR : 30.406 [178 Epoch] test_PSNR : 30.407 val_PSNR : 30.244 [179 Epoch] test_PSNR : 30.399 val_PSNR : 30.525 [180 Epoch] test_PSNR : 30.402 val_PSNR : 30.314 [181 Epoch] test_PSNR : 30.396 val_PSNR : 30.321 Epoch 00182: reducing learning rate of group 0 to 4.9000e-04. [182 Epoch] test_PSNR : 30.476 val_PSNR : 30.289 [183 Epoch] test_PSNR : 30.551 val_PSNR : 30.485 [184 Epoch] test_PSNR : 30.544 val_PSNR : 30.376 [185 Epoch] test_PSNR : 30.438 val_PSNR : 30.611 [186 Epoch] test_PSNR : 30.522 val_PSNR : 30.406 [187 Epoch] test_PSNR : 30.428 val_PSNR : 30.624 [188 Epoch] test_PSNR : 30.501 val_PSNR : 30.608 [189 Epoch] test_PSNR : 30.547 val_PSNR : 30.514 [190 Epoch] test_PSNR : 30.554 val_PSNR : 30.486 [191 Epoch] test_PSNR : 30.614 val_PSNR : 30.239 [192 Epoch] test_PSNR : 30.56 val_PSNR : 30.719 [193 Epoch] test_PSNR : 30.61 val_PSNR : 30.416 [194 Epoch] test_PSNR : 30.562 val_PSNR : 30.411 [195 Epoch] test_PSNR : 30.511 val_PSNR : 30.631 [196 Epoch] test_PSNR : 30.557 val_PSNR : 30.457 [197 Epoch] test_PSNR : 30.561 val_PSNR : 30.401 [198 Epoch] test_PSNR : 30.602 val_PSNR : 30.474 [199 Epoch] test_PSNR : 30.544 val_PSNR : 30.548 [200 Epoch] test_PSNR : 30.535 val_PSNR : 30.453
Process finished with exit code 0
print(psnr_list)[21.86, 26.521, 29.264, 30.436]
'Wireless Comm. > CISL' 카테고리의 다른 글
| AWGN(pi=256, si=0) (0) | 2023.07.26 |
|---|---|
| AWGN(pi=512, si=0) (0) | 2023.07.26 |
| Cifar10 AWGN [1dB, 10dB, 20dB] (0) | 2023.07.18 |
| Cifar10 Rayleigh [1dB 10dB 20dB] (0) | 2023.07.11 |
| Low Pass Filtering using cv2 (0) | 2023.07.11 |
'Wireless Comm./CISL' Related Articles
more
Comments