# LPD-torch

**Repository Path**: supeking/LPD-torch

## Basic Information

- **Project Name**: LPD-torch
- **Description**: learned_primal_dual
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-05-27
- **Last Updated**: 2024-06-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LPD-torch

#### 介绍
基于torch和tomosipo的learned_primal_dual实现

#### 数据预处理：
    下载相应的LoDoPaB数据，运行 python preprocess.py, 即可完成hdf5数据的预处理；
    preprocess.py 中参数如下：
    run('../datasets/observation_validation',  # 原始的LoDoPaB数据路径
        '../datasets/prerocess_data/valid')    # 预处理后的数据存储路径
    
    对下载好的train，valid，test数据集分别执行以上代码进行预处理。本项目中已经有处理好的数据，
    在../datasets/prerocess_datal路径中，可直接拿来训练。

#### LPD和PDHG的训练：
	1. 运行 python train.py， 即可完成lpd模型的训练；
	2. 将 train.py 中 Lightning 参数由默认的 config_lpd.yml 输入更换为 config_pdhg.yml 即可完成pdhg模型的训练，再运行1中的命令；
    如下所示：
		light = Lightning('config_pdhg.yml')
            light.fit()
	3. 文章中其他的模型，只要更改config_lpd.yml中对应的参数，就可以完成对应模型的训练。

#### LPD和PDHG的测试：
	训练好的模型会存在result文件中，选择合适的模型，执行python valid.py即可完成测试；
    测试时valid.py中输入参数如下：
        run('config_lpd.yml',                         # 训练模型的配置文件
            'result/LPD-LoDoPaB/LPD-LoDoPaB_010.pt',  # 训练好的模型
            'result/LPD-LoDoPaB',                     # 测试结果存储位置
            'LPD')                                    # 'LPD'表示测试LPD的相关的模型，'PDHG'表示测PDHG的相关模型


#### fbp和tvmin的测试：
	执行 python test_other_method.py即可完成fbp和tv_min2d的测试；test_other_method.py  的输入参数如下：
        # fbp的测试
        run('result/FBP-LoDoPaB',  # 测试结果的存储路径
            'fbp')                 # 测试的方法 (fbp的测试)

        # tv_min2d的测试
        run('result/tv_min2d-LoDoPaB', 
            'tv_min2d')  

#### 结果可视化：
    在终端中进入tools文件夹，执行 python visual.py 即可可视化相关结果；  
    visual.py 中参数细节如下：
        # 可视化lpd模型中iter的结果
        visual_iter('../result/LPD-LoDoPaB/LPD-LoDoPaB_010.pt',      # 训练好的lpd模型
                   '../../datasets/prerocess_data/valid',            # lpd的验证集路径
                   '../result/figs/iters')                           # 可视化结果存储路径
    
        # 可视化lpd, lpd5, pdhg, fbp, tv_min2d的结果
        visual_method('../result/LPD-LoDoPaB/LPD-LoDoPaB_010.pt',                 # 训练好的lpd模型路径
                      '../result/LPD-LoDoPaB-iter5/LPD-LoDoPaB-iter5_037.pt',     # 训练好的lpd-iter5模型路径
                      '../result/PDHG-LoDoPaB/PDHG-LoDoPaB_049.pt',               # 训练好的pdhg模型路径
                      '../../datasets/prerocess_data/valid',                      # 验证集路径
                      '../result/figs/method')                                    # 可视化结果存储路径


#### 注意
当前result和runs中是本人训练时临时存储的结果，仅用于代码的功能的测试。有些调优结果并未存在里面，一切以论文中结果为准；
如需复现论文中结果，重新执行一遍代码即可。