Real-ESRGAN:Enhanced Super-Resolution GAN：增强的超分辨率的对抗生成网络，对于GAN相信大家都比较熟悉，前有阿尔法狗，现有很多GAN的延伸版本，StyleGAN1~3系列以及DragGAN对于图片的生成和编辑，出来的效果都很惊艳。
一些旧照片，时代比较久远了，那个时候的像素不够，所以有点模糊，但这都是一种美好回忆，如果能够修复成高清晰的那就好了。这里的Real-ESRGAN就是对这些模糊照片进行处理，生成高清晰的照片，老旧的视频，颜色和分辨率也是比较差，也可以使用Real-ESRGAN进行修复成高清晰的视频。
1、安装环境
1.1、安装前提条件
Python >= 3.7 和 PyTorch >= 1.7
一般本人习惯新建一个虚拟环境来安装(建议看完本文章之后再安装)：
conda create -n mypytorch python=3.8
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
安装好了之后就激活环境：activate mypytorch
1.2、克隆仓库
git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN
当然在克隆的时候，有时会出现下面这样的错误
fatal: unable to access 'https://github.com/xinntao/Real-ESRGAN.git/': Failed to connect to github.com port 443: Timed out
有时是网络问题，如果多次试了还是不行，那最简的办法就是将https修改成http，哈哈泰裤辣。
1.3、安装依赖包
依然推荐加上豆瓣镜像，下载速度快很多
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com basicsr
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com facexlib
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com gfpgan
pip install -r requirements.txt
python setup.py develop
1.4、预训练模型
安装好了之后，我们来测试下：
python inference_realesrgan.py -n RealESRGAN_x4plus -i 1.png -o newimgs
如果没有下载预训练模型：RealESRGAN_x4plus.pth
在推理阶段将自动进行下载：
当然也可以自己手动先下载（推荐）：RealESRGAN_x4plus.pth预训练模型
然后放到\Real-ESRGAN\weights这个权重目录里面即可，建议使用迅雷下载，虽然文件不大，不过下载速度很慢，所以一般都用迅雷快很多。
2、生成效果比较
我们来看几张效果，本人的一些老照片有点模糊，修复之后，清晰度真的非常不错，而且皮肤更好了，做了美颜效果。
老照片修复
当然有兴趣的还可以使用其他的预训练模型，比如：RealESRGAN_x4plus_anime_6B.pth
RealESRGAN_x4plus_anime_6B.pth预训练模型下载
试下效果会怎么样。
视频也可以，在论文里面也有地址，Demo需要科学上网，有兴趣的可以去试试。
python inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i 1.png -o newimgs
这样就会在newimgs文件夹里面生成高清晰的照片了
3、错误处理
在安装之后，运行时会出现一些常见的错误，我们一起来看下
3.1、CUDA不可用
Testing 0 1
Error "slow_conv2d_cpu" not implemented for 'Half'
If you encounter CUDA out of memory, try to set --tile with a smaller number.
没有CUDA的支持，不能实现半精度。于是查看CUDA的状态是否可用：
torch.cuda.is_available()
奇怪的是返回 False
明明上面已经安装了CUDA的，这种情况，一般是版本匹配问题，试着换一个版本重新安装下：
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
恩，没有问题。返回True
3.2、显存不足
Error CUDA out of memory. Tried to allocate 236.00 MiB (GPU 0; 2.00 GiB total capacity; 1.42 GiB already allocated; 0 bytes free; 1.57 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
If you encounter CUDA out of memory, try to set --tile with a smaller number.
这个就是显存不足了，本人配置比较低，1050的显卡，一些大点的模型基本都很吃力，所以平时测试的时候一般是调低batchnum，图片的输入分辨率，另外就是将需要用到GPU的进程先结束掉，节省一部分出来。所以这个模型基本上能搞定，有兴趣的可以去试试。
在线Demo：https://arc.tencent.com/en/ai-demos/imgRestore
可执行文件：各种OS的执行文件
github地址：https://github.com/xinntao/Real-ESRGAN
论文地址：ESR_Generative_Adversarial_Networks_ECCVW_2018_paper.pdf
后期有时间将论文和源码全部看一遍再发出来一起学习下。
