132、EDVR实战：基于可变形卷积的视频超分网络训练与优化
上个月调EDVR的时候，我差点把服务器搞崩了。原因是显存占用直接飙到了24G，而我的RTX 3090只有24G——你懂的，就差那么一丁点就OOM了。后来发现是DataLoader的batch size和帧数没算清楚，一个简单的配置失误让我浪费了整整两天。今天就把这些坑都摊开来说，顺便把EDVR的训练和优化细节掰扯清楚。
为什么视频超分比单图超分难搞
单图超分你只需要处理空间信息，但视频超分多了一个时间维度。帧与帧之间的运动、遮挡、光照变化，这些都会影响重建质量。EDVR的核心思路是用可变形卷积（Deformable Convolution）来对齐相邻帧的特征，然后用时空注意力机制融合信息。
但问题来了——可变形卷积本身计算量就大，再加上多帧输入，显存消耗直接起飞。我见过不少同学在训练EDVR时，batch size设成1还爆显存，然后怀疑人生。
数据预处理：别让IO成为瓶颈
视频超分的数据加载比图像超分复杂得多。你不仅要读取视频帧，还要做时序采样。我一开始用的是OpenCV逐帧读取，结果训练速度被IO卡死，GPU利用率不到30%。
# 别这样写——逐帧读取，IO爆炸def
