# 實驗紀錄
###### tags: `論文進度`

## 實驗環境
| 作業系統 | Windows 10 21H2 |
| -------- | -------- |
| CPU | Intel i7-9750H |
|GPU|NVIDIA GeForce RTX2070|
|記憶體|16 GB * 2 / DDR4 / 2667 MHz|

### <font color="#f00">debug</font>

將 Pytorch 降版至與CUDA相容最低版 1.4.0，解決 CUDA error 錯誤

RuntimeError: CUDA error: unknown error

### GPU
以目前實驗結果看來，目前的評估指標與論文結果都滿相近的，觀察結果看來，在 GoPro、REDS dataset 中甚至有更好的 SSIM 值

## Baseline
**1. Denoise - SIDD dataset**


| 方法 | PSNR |
| -------- | -------- |
| HINet (論文) | 39.82 |
|HINet (ours) |39.8231|

**2. Deblur - GoPro dataset**

| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 32.77 |0.959|
|HINet (ours) |32.7712|0.9950|

**3. Deblur - REDS dataset**

| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 28.83|0.862|
|HINet (ours) |28.8267|0.9801|

**4. Derain - Rain13k dataset**

* For Test100 :

| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 30.29 |0.906|
|HINet (ours) |30.2864|0.9063|

* For Rain100H :


| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 30.65 |0.894|
|HINet (ours) |30.6495|0.8944|

* For Rain100L :


| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 37.28 |0.970|
|HINet (ours) |37.2767|0.9698|

* For Test2800 :


| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 33.91 |0.941|
|HINet (ours) |33.9079|0.9412|

* For Test1200 :


| 方法 | PSNR |SSIM|
| -------- | -------- | -------- |
| HINet (論文) | 33.05 |0.919|
|HINet (ours) |33.0473|0.9194|

## Dockerfile

FROM meadml/cuda10.1-cudnn7-devel-ubuntu18.04-python3.6

## Install some basic utilities
RUN apt-get update 
RUN apt-get install -y \
    git \
    zip \
    sudo \
    libx11-6 \
    build-essential \
    ca-certificates \
    wget \
    curl \
    tmux \
    htop \
    nano \
    vim

##
RUN apt update 
RUN apt-get install ffmpeg libsm6 libxext6  -y

##
RUN pip install addict \
                future \
                lmdb \
                numpy \
                opencv-python \
                Pillow \
                pyyaml \
                requests \
                scikit-image \
                scipy \
                tb-nightly \
                tqdm \
                yapf
RUN pip install torch===1.4.0+cu92 torchvision===0.5.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html