超分辨率重建算法搭建（Real ESRGAN）
参考的项目地址：https://github.com/xinntao/Real-ESRGAN
在前一篇Pytorch环境搭建基础上进行这篇文章的步骤
超分辨率重建AI算法
简单来讲，就是让图片变的更清晰，相对于曾经火爆过的Waifu2x，它的效果又有了明显的提升。这个算法不仅适合二次元的场景，真实场景也能覆盖。
首先，打开我们想要运行的Real-ESRGAN项目，先看README.md文件。一个完整的项目会在README里详细说明使用方法。我们可以看到，Real-ESRGAN这个项目支持colab,exe和本地部署三种，本文采用本地部署方法，这一方法最为稳妥。
在项目中找到requirements.txt文件，这是完整的开源项目都会有的文件，这里详细说明了项目所依赖的第三方库。
从上图可以看到这里使用的是Pytorch深度学习框架以及一些其他的第三方库，点击Code的Download ZIP打包下载整个工程，如果会使用git，可以直接git clone工程到本地。
3. 下载好代码后，开始安装依赖库，我们首先从最难安装的Pytorch开始。打开官网，根据我们的情况选择安装方式
复制命令，然后运行。（外网的链接，翻个墙也许更好）
4. 前述步骤完成后，删除requirements.txt文件中的Pytorch和torchvision，只用python -m pip install -r requirements.txt直接打包安装第三方依赖库。至此，算法环境搭建完成。
5. 算法运行
README中详细记录了算法的运行方法。下载训练好的模型，将模型放到工程目录的experiments/pretrained_models目录下。
下载好模型，我们可以尝试运行命令了，此时极有可能报错：No module named 'realesrgan.version'，说明包导入有问题。看一下本地目录，找到realesrgan文件夹，打开__init__.py文件，把'from .version import'这一行注释掉就行了。之后再运行就没有问题了。
以墨彩环为示例，图一是原图，图二是重建后的图。
可以看到，算法效果还是很棒的。
