znah321 / naic_2021

参数说明

• feedback_bits=512（反馈比特量）
• img_height = 126（CSI图像高）
• img_width = 128 （CSI图像高）
• img_channels= 2 （CSI图像通道数）

建模算力与环境

NVIDIA A100

运行方法

1. 在同一级目录下创建Modelsave文件夹
2. 运行Model_train.py，可以在TensorBoardX中查看train_loss、学习率、验证集NMSE的变化曲线
3. 在Modelsave文件夹中含有生成的结果

内含文件

• Model_define_pytorch.py
• Model_train.py
• Model_evaluation_encoder.py
• Model_evaluation_decoder.py

文件说明

Model_define_pytorch.py

设计网络结构，设计Encoder与Decoder函数。

• Encoder函数，定义编码器模型。输入原始信道状态信息（x）与反馈比特量(feedback_bits)，输出为比特流编码向量。
  • 5x5卷积核
  • SiLU()
  • SiLU()
  • 全连接层
  • Sigmoid()
  • 量化层
• Decoder函数，定义解码器模型。输入比特流编码向量（x）与反馈比特量(feedback_bits)，输出为重建的CSI。
  • 解量化
  • 全连接层
  • Sigmoid()
  • 5个RefineBlock
    • 7x7卷积
    • 5x5卷积
    • 3x3卷积
  • 3x3卷积
  • Sigmoid()

Model_train.py

模型训练 pipeline 参考代码

Model_evaluation_encoder.py

编码模型的推理参考代码，能成功推理是成功提交的基础保证。

Model_evaluation_decoder.py

解码模型的推理参考代码，能成功推理是成功提交的基础保证。