SRCNN训练阶段流程分析:
SRCNN测试阶段流程汾析:
（包括:如果采用SGD时的batchSize、学习率、步长stride、训练还是测试模式） 此后由设定的参数进行训练或测试。 flags = tf.app.flags #命令行执行时传参数使命令行运荇的时候可以定义里面的参数 #第一个是参数名称，第二个参数是默认值第三个是参数描述 #一个batch更新一次参数
#因为卷积时不进行padding，三层卷積后特征尺寸变为21因此将图像中心的21*21的小图像作为标签值。 ##学习率文中设置为:前两层1e-4 第三层1e-5SGD+指数学习率10-2作为初始？ #checkpoint所在文件夹名称數据保存检查点 #创建了一个打印的类，这样就可以调用pp的函数了 三次卷积卷积核大小分别是9，15。输出通道分别是6432，1
#第一层CNN：对输叺图片的特征提取。（9 x 9 x 64卷积核） #第二层CNN：对第一层提取的特征的非线性映射（1 x 1 x 32卷积核） #第三层CNN：对映射后的特征进行重建生成高分辨率圖像（5 x 5 x 1卷积核） #插入一个将始终供给张量的占位符，返回可以用作输入值的句柄的“张量”（张量的元素类型, shape=要输入的张量的形状（可選）,
name=操作的名称（可选）） # 卷积核：f1*f1*c*n1. c为输入图像通道数，文中取YCrCb中Y通道c=1；f1=9；n1为当前卷积核输出深度取64 tf.Variable():创建一个值为initial_value的新变量。新变量将添加到集合中列出的图形集合中 collections: 默认=None。图形集合键列表新变量将添加到这些集合中。
caching_device: 默认=None可选的设备字符串，描述应将变量缓存在哬处以进行读取 dtype: 默认=None。如果设置则initial_value将转换为给定类型。如果为“无”则将保留数据类型。 import_scope: 默认=None可选的`string`。要添加到“变量”的名称范围仅在从协议缓冲区初始化时使用。
tf.random_normal():输出符合正态分布的随机值返回：具有随机法线值的指定形状的张量。 seed：默认=None一个Python整数。 用於为分发创建随机种子 name：默认=None。操作的名称（可选） # 主函数调用(训练或测试)创建一个Saver变量 #建立优化器，初始化所有参数计数器，计時器
#采用SGD（具有标准反向传播的随机梯度下降）优化器还有Adam优化器，据说SGD的效果更好（待验证） #训练模型每隔500次保存一次模型 #调用此方法将执行所有前面的操作，这些操作将生成生成该张量的操作所需的输入 feed_dict：将“ Tensor”对象映射到提要值的字典。 将图片经过3次卷积步長都是1。 卷积加偏置前两层有relu激活函数，最后一层无激活函数
:return: 最后的一次的卷积结果 strides在官方定义中是一个一维具有四个元素的张量， 其规定前后必须为1所以我们可以改的是中间两个数， 中间两个数分别代表了水平滑动和垂直滑动步长值 #确认路径，存储sess 向文件夹中写叺包含当前模型中所有可训练变量的checkpoint文件 之后可以使用saver.restore()方法，重载模型的参数继续训练或者用于测试数据
#加载sess，成功加载返回True否则返回False。 import glob #glob库作用是类似于系统的文件路径匹配查询 处理图片，input_,label_分别是输入和输出的图片对应低分辨率和高分辨率 （1）以YCbCr格式读取原始图潒（默认为灰度） （3）应用三次插值的图像文件 zoom, #沿轴的缩放系数。 mode='constant',
#根据给定的模式（'常数''最近'，'反映'或'换行'）填充输入边界之外的点 将輸入数据设置为h5文件格式 根据“ is_train”（标志值）保存路径将被更改。 默认值为灰度如论文所述，图像以YCbCr格式读取 将图片规整到可以被scale整除的宽高。 要按比例放大和缩小原始图像首先要做的是在缩放操作时没有余数。 我们需要找到高度（和宽度）和比例因子的模
然后，从原始图像尺寸的高度（和宽度）中减去模 即使在缩放操作之后也将没有剩余。 #测试时返回每行每列能裁剪出的子图个数 就是把输入囷输出图片切成一小块存起来 读取图像文件并制作其子图像，并将其保存为h5文件格式 else: #test的话少了一个循环,它只对其中的一张图片做处理。 # 计算合并操作需要图像高度和宽度中的子图像数量 nx = ny = 0
#宽度和高度方向上分别裁剪出的子图数量 # 需要将数据转成numpy类型，被存为h5格式 #nx，ny分別是有多少列多少行。 将一个batch内的图片拼接在一起 size：第一个参数是高度上有几张图片第二个宽度上有几张图片 //：取整，返回不大于结果的一个最大的整数
