GPU升级：从马背上跳进赛车

一、升级GPU，让我第一时间想到的是…

最近升级了GPU，第一件事就是立刻开始训练Real-ESRGAN模型，当然，在运行基准测试和烧机后。这真是个了不起的差异，活在当下真是太棒了！从1050gtx升级到3080ti就像是从马背上跳进了赛车。甚至成功将批处理大小提升到64，直到显存达到上限，但为了进行长时间训练，我又将其调低了。使用traiNNer没有遇到任何问题，但我还不确定使用哪些选项来对自己的数据集进行微调。我知道这些选项在不同的数据集和用途之间有所不同，但经过一些研究，我觉得traiNNer中默认的SR超参数有点过时了？也许是因为我还不够了解。我应该启用可微分数据增强和mixup数据增强吗？目前只使用默认的翻转和旋转，但我觉得这些还不够。训练时间并不是特别重要，但目前我可以在512像素的HR和128像素的LR/裁剪大小下，以8批次和12个工作线程的方式每小时完成大约10,000次迭代，使用了一个40,000张图像的数据集。我很想听听其他SRGAN训练者的意见，因为我在谷歌上找不到太多关于这方面的讨论，只有技术论文或遇到技术问题的人。

二、有关SRGAN的讨论

1. SRGAN的超参数是否需要更新？

我升级了GPU并开始使用Real-ESRGAN模型进行训练，但我对traiNNer中默认的SR超参数是否过时感到困惑。我知道这些超参数在不同的数据集和用途中可能有所不同，但我是否应该启用可微分数据增强和mixup数据增强？当前，我只使用默认的翻转和旋转，但我觉得这些还不够。

2. 我的训练效果如何？

目前，我可以在512像素的HR和128像素的LR/裁剪大小下，以8批次和12个工作线程的方式每小时完成大约10,000次迭代，使用了一个40,000张图像的数据集。但我想知道其他SRGAN训练者的经验和建议，因为我在谷歌上找不到太多关于这方面的讨论，只有技术论文或遇到技术问题的人。

总结

升级GPU后，我迫不及待地开始了Real-ESRGAN模型的训练。从马背上跳进赛车般的体验让我兴奋不已。我对traiNNer中的默认超参数是否需要更新感到困惑，希望能听到其他SRGAN训练者的经验和建议。如果你有任何想法，请留言分享！感谢阅读！