Skip to content

Latest commit

 

History

History
49 lines (42 loc) · 1.43 KB

README.md

File metadata and controls

49 lines (42 loc) · 1.43 KB

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。