## 1. 训练Benchmark ### 1.1 软硬件环境 * PP-MSVSR模型训练过程中使用8 GPUs，每GPU batch size为2进行训练，如训练GPU数和batch size不使用上述配置，须参考FAQ调整学习率和迭代次数。 ### 1.2 数据集 PP-MSVSR模型使用REDS数据集用来训练和验证。REDS数据集由240个训练片段、30个验证片段和30个测试片段组成（每个片段有100个连续帧）。由于测试数据集不可用，这里在训练集选择了四个具有代表性的片段（分别为'000', '011', '015', '020'，它们具有不同的场景和动作）作为测试集，用REDS4表示。剩下的训练和验证片段被重新分组为训练数据集（总共266个片段）。 ### 1.3 指标 |模型名称 | 模型简介 | 数据集 | 参数量（M） | |---|---|---|---|---|---|---| |PP-MSVSR | 视频超分 | REDS | 1.45 | ## 2. 推理 Benchmark ### 2.1 软硬件环境 * PP-MSVSR模型推理测试采用单卡V100，batch size=1进行测试，使用CUDA 10.2, CUDNN 7.5.1。 ### 2.2 数据集 PP-MSVSR模型PP-MSVSR模型使用REDS数据集用来训练和验证。REDS数据集由240个训练片段、30个验证片段和30个测试片段组成（每个片段有100个连续帧）。由于测试数据集不可用，这里在训练集选择了四个具有代表性的片段（分别为'000', '011', '015', '020'，它们具有不同的场景和动作）作为测试集，用REDS4表示。剩下的训练和验证片段被重新分组为训练数据集（总共266个片段）。 ### 2.3 指标 |模型名称 | 模型简介 | 数据集 | 参数量（M） | 计算量（G） | PSNR | SSIM | |---|---|---|---|---|---|---| |PP-MSVSR | 视频超分 | REDS4 | 1.45 | 111 | 31.2535 | 0.8884 | ## 3. 相关使用说明 请参考：https://github.com/PaddlePaddle/PaddleGAN/blob/develop/docs/zh_CN/tutorials/video_super_resolution.md
