- 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)
NVIDIA A100
- 在同一级目录下创建Modelsave文件夹
- 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
- 在Modelsave文件夹中含有生成的结果
Model_define_pytorch.py
Model_train.py
Model_evaluation_encoder.py
Model_evaluation_decoder.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()
模型训练 pipeline 参考代码
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。
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。