请问如何在自己创建的超分数据集上微调Inf-DiT?

[XIAOXIXIXIXIXI]

感谢您出色的工作！
现在我希望在我创建的自定义超分数据集上训练Inf-DiT，路径类似：
./my_dataset/hr/img_001.jpg...img_002.jpg....
./my_dataset/lr/img_001.jpg...img_002.jpg....
我注意到您目前使用的是WebDataset，我在将Inf-DiT应用到我自己的数据集上遇到了困难，希望得到您的指导

[sunrccc]

感谢您出色的工作！ 现在我希望在我创建的自定义超分数据集上训练Inf-DiT，路径类似： ./my_dataset/hr/img_001.jpg...img_002.jpg.... ./my_dataset/lr/img_001.jpg...img_002.jpg.... 我注意到您目前使用的是WebDataset，我在将Inf-DiT应用到我自己的数据集上遇到了困难，希望得到您的指导

请问一下您这边解决如何创建自己数据集的方法了吗，可否介绍一下细节，比如文件夹是怎么分级的

[BrooksXiaoxi]

感谢您出色的工作！ 现在我希望在我创建的自定义超分数据集上训练Inf-DiT，路径类似： ./my_dataset/hr/img_001.jpg...img_002.jpg.... ./my_dataset/lr/img_001.jpg...img_002.jpg.... 我注意到您目前使用的是WebDataset，我在将Inf-DiT应用到我自己的数据集上遇到了困难，希望得到您的指导

请问一下您这边解决如何创建自己数据集的方法了吗，可否介绍一下细节，比如文件夹是怎么分级的

是的，这个问题我已经解决，正如作者所说的，你需要先安装webdataset这个库。
以下是我创建webdataset 数据集的相关代码，其实就是分别为train和val各生成一个tar包。你需要注意Inf-DiT不需要同时输入LR和GT，他只接收一个img输入（这个img将会被作为GT），LR是通过代码dit/data.py中的process_fn_sr_text2image()方法增强出来的，具体你可以阅读这部分相关的代码。
import webdataset as wds
with wds.TarWriter("/data/ht/qh_datasets/HTCD_uav0.075m/webdataset/val/dataset-000000.tar") as sink:
for mon6 in mon6_image_files[int(total_len*0.9):]:
with open(mon6, "rb") as f:
data_mon6 = f.read()
sink.write({"__key__": mon6.split("/")[-1].split(".")[0], "jpg": data_mon6})
做完上述步骤，你应该获得：
yourpath/train/dataset-000000.tar
yourpath/val/dataset-000000.tar
然后将他们的绝对路径填入train_text2image_sr_big_clip.sh。类似

就可以了，祝你成功！

[sunrccc]

感谢您出色的工作！ 现在我希望在我创建的自定义超分数据集上训练Inf-DiT，路径类似： ./my_dataset/hr/img_001.jpg...img_002.jpg.... ./my_dataset/lr/img_001.jpg...img_002.jpg.... 我注意到您目前使用的是WebDataset，我在将Inf-DiT应用到我自己的数据集上遇到了困难，希望得到您的指导

请问一下您这边解决如何创建自己数据集的方法了吗，可否介绍一下细节，比如文件夹是怎么分级的

是的，这个问题我已经解决，正如作者所说的，你需要先安装webdataset这个库。 以下是我创建webdataset 数据集的相关代码，其实就是分别为train和val各生成一个tar包。你需要注意Inf-DiT不需要同时输入LR和GT，他只接收一个img输入（这个img将会被作为GT），LR是通过代码dit/data.py中的process_fn_sr_text2image()方法增强出来的，具体你可以阅读这部分相关的代码。 import webdataset as wds with wds.TarWriter("/data/ht/qh_datasets/HTCD_uav0.075m/webdataset/val/dataset-000000.tar") as sink: for mon6 in mon6_image_files[int(total_len*0.9):]: with open(mon6, "rb") as f: data_mon6 = f.read() sink.write({"__key__": mon6.split("/")[-1].split(".")[0], "jpg": data_mon6}) 做完上述步骤，你应该获得： yourpath/train/dataset-000000.tar yourpath/val/dataset-000000.tar 然后将他们的绝对路径填入train_text2image_sr_big_clip.sh。类似 就可以了，祝你成功！

十分感谢您的回答！