各位同学大家好，在科技州推出了课程《有监督去噪实战（一）——一个用DnCNN去噪的完整案例》后，受到了大家广泛关注。大家提出了一些问题，主要集中在程序运行过程和输出结果等方面。今天我们就通过视频讲解，给大家详细讲解程序的运行方法。

01 程序运行环境

1.基本程序环境

我们的课程主要都是在Python环境下运行的，所以大家需要配置Python相关运行环境。我们常用Anacoda 的Spider作为集成编辑器。这款软件既是免费软件，也具有较好的调试功能。

另外我们的课程涉及深度学习的内容比较多，我们会用到tensorflow和keras，这也请大家自行安装。

以下是我们推荐的程序和引用库版本。

Python 3.8

keras 2.3.1

tensorflow 2.2.0 或 tensorflow-gpu 2.2.0

另外特别提示：

强烈建议大家配置具有独立NVIDIA显卡的运行环境，并装好CUDA驱动和Python的tensorflow-gpu版本，充分使用GPU加速计算。

后续我们课程中有关深度学习的处理，特别是断层和储层的处理，使用GPU加速比CPU会快很多个数量级。

2.本课程用到的引用库

这本次课程中，我们还会用到几个引用库。

一是cv2库

OpenCV（CV：Computer Vision，计算机视觉）实现了图像处理和计算机视觉方面的很多通用算法。CV多用在计算机视觉项目的开发中，使得图像处理和图像分析变得更加易于上手，让开发人员更多的精力花在算法的设计上。我们在本项目使用CV库对图像进行了变形等处理。

安装方法：

pip install opencv-python

二是glob库

glob模块提供了函数用于从目录通配符搜索中生成文件列表。glob函数可以查找符合通配符要求的文件，支持通配符操作*,**,?,[]这四个通配符。我们在项目中，使用这个函数查找训练集数据。

安装方法：

pip install glob2

三是segyio库

segyio是一个小型的处理地震segy数据的程序库，带有python和matlab的语言绑定，能够方便地读写文件头信息、道头信息和地震数据。

安装方法：

pip install segyio

本次课程这几个引用库的推荐版本是：

OpenCV 4.6.0.66

glob2 0.7

segyio 1.9.6

02 程序运行演示

1.程序结构

本次课程程序主要包含4个：

一是getPatchClear.py，用于生成干净的标签数据。

二是getPatchNoise.py，用于生成训练的噪声数据。

三是SeismicDnCNN.py，这是课程主程序，用于实现模型的训练和结果的验证。

四是psnr.py，这是一个调用程序，实现了PSNR的函数功能。

2.程序演示

本次程序运行环境为：

Python 3.8

Anaconda 3 Spyder 4.1.5

接下来就详细讲解程序运行。

1.getPatchClear.py

这个程序生成了干净的标签数据。

在最后的运行主函数中，指定了生成数据保存的位置在：data/train文件夹下；按照位移为32来切割原始数据；生成的训练数据小块尺寸为64*64；共生成10000个小块训练数据；最后训练数据以npy格式进行打包。

2.getPatchNoise.py

这个程序生成了包含随机噪声的训练数据。

程序结构与上面类似。不同的是，在datagenerator函数中，增加了随机噪声。

直接运行程序，就生成了以npy格式打包的数据。

3.SeismicDnCNN.py

这是我们的主程序。

一是构建了神经网络模型。

二是加载数据集。

三是训练模型。经过一会儿训练后，就显示了训练的曲线。

四是检验模型去噪的效果。我们加载了一个测试数据，使用模型进行去噪，最后显示去噪的效果图。

通过以上的讲解，大家可以了解DnCNN神经网络去噪的全部操作流程，整个理论原理和代码含义大家可以参考上一次课程。如果大家对程序感兴趣，请联系我交流讨论。

我是科技州，用心分享智能地震勘探干货，带你一同进步。再见。

相关阅读：

智能时代已到 助你勇攀储层勘探高峰

如何在地震勘探研究更上一层楼？带你一起深度学习识别断层

怎样轻松入门地震勘探研究：先从地震数据处理开始

深度学习地震去噪实战：教你如何从0开启地震深度学习科研之路