尧图网站建设 
DeepLens 理解优先复现路线 · 执行笔记承接上篇《DeepLens 论文精读 · 复现笔记》完整复现口径P0–P4 L1–L3 成本账定位转变目的是深入理解论文不是复刻论文数字——预训练类环节一律跳过关键资产仓库自带镜头 JSON零训练、Zenodo checkpointEDoF 网络、早期训练动力学整理日期2026-10-06目录摘要一、定位理解优先不是模仿复刻二、现成资产盘点哪些权重可以直接用三、E1–E4 实验设计每个实验回答一个具体问题E1 评价体系免费半天E2 课程动力学约 ¥2–5E3 微型消融约 ¥5–10E4 端到端梯度流约 ¥3–5四、预算与排期五、与上篇路线的关系六、结论附录 A执行清单附录 B关键资产路径速查摘要以理解为导向重构 DeepLens 复现方案跳过 NAFNet 从零训练与收敛级长时程优化直接采用仓库镜头 JSON 与 Zenodo checkpoint将算力集中于课程切换动力学、微型消融与端到端梯度流四个实验总预算约 10–20 元一天半完成。一、定位理解优先不是模仿复刻完整复现的大头成本烧在跑到收敛上而论文里最有信息量的现象在训练早期就分化了。预训练类环节标准重建网络从零训练、20 种子统计、长时程优化到论文数字属于没意义的重复——它们服务于投稿不服务于理解。由此得出裁剪原则复刻 15.74 μm 不产生理解趋势对了就行统计稳健性是投稿需求砍到 1–2 种子但三机制的早期动力学、课程切换行为、端到端梯度流必须亲手跑——论文核心思想全在这里无法通过读代码或加载权重获得。二、现成资产盘点哪些权重可以直接用光学设计的权重就是镜头参数 JSON 本身另有 EDoF 重建网络 checkpoint资产位置用途手机镜头 JSONdatasets/lenses/cellphone/cellphone80deg.json、cellphone68deg.json大概率为论文设计产出直接加载分析真实镜头专利结构datasets/lenses/camera/EF/RF/适马/永诺等 11 个对比基准Cooke tripletdatasets/lenses/cooke.json含劣化版cooke40_inferior.json经典结构教学案例初始结构模板3P_blank.json课程设计的近平板起点EDoF checkpoint 测试集Zenodo record 83585924.5 GB zipNAFNet 权重免训练直接评估神经网络权重doe/doe_psf1.pth衍射元件 PSF传感器参数datasets/sensors/Canon/FLIR配合镜头做图像仿真材料库deeplens/material/*.json玻璃折射率选型三、E1–E4 实验设计每个实验回答一个具体问题E1 评价体系免费半天加载cellphone80deg.json跑 spot diagram / PSF / MTF / 畸变分析配合传感器 JSON 做一次图像仿真。回答光学设计到底在优化什么顺带熟悉 DeepLens API为后续实验铺路。E2 课程动力学约 ¥2–5完整课程设计跑起来但不用跑完——重点盯每次规格切换FoV/F# 收紧前后 100 iter 的损失曲线和镜头剖面变化。回答从 47.5° 到 80.8°结构是怎么长出来的对应论文 Fig.1 演化图课程切换时刻的行为是由易到难为什么有效的唯一第一手证据。E3 微型消融约 ¥5–10三开关课程 / 正则 / 掩码各跑 2000 iter × 1 种子。摘掉正则的 run 在几百 iter 内就会自交——论文 Table 1 的100% vs 0% 无自交比例结论早期就能亲眼看到。回答三大机制各自挡住了哪种病态不需要 5000 iter 收敛病态结构的出现远早于收敛。E4 端到端梯度流约 ¥3–5Checkpoint 加载 NAFNet → 推理复现论文 PSNR 量级验证管线→ 只放开光学参数做几百 iter 联合微调观察混合面奇次多项式系数变化如何同步改变 PSF 与重建损失。回答梯度穿过光学器件到底意味着什么这是 deep optics 范式的命门也是与模块缝合方法论最直接的连接点。四、预算与排期实验费用耗时产出E1 评价体系¥0半天全套分析图 仿真图E2 课程动力学¥2–5半天课程切换演化图笔记核心素材E3 微型消融¥5–10半天早期自交对比图E4 端到端梯度流¥3–5半天梯度流行为记录合计¥10–20约 1.5 天—比完整复现方案¥700–2800省一个数量级。省钱要点沿用上篇无卡模式调环境、3090 开训、checkpoint 续跑、跑完关机。五、与上篇路线的关系上篇 P0–P4 / L1–L3 是完整复现口径保留作参考基准万一后续要发文章或做严谨对比实际执行以本篇 E1–E4 为主。映射关系E1 ≈ P0环境复检 评价体系熟悉E2 ≈ P1 的短程版不看终态看过程E3 ≈ P2 的缩水版种子 20→1迭代 5000→2000E4 ≈ P3 的免训练版checkpoint 代替联合训练只看梯度流P4延伸选题不变ray-wave 分支仍是首选衔接方向。六、结论理解型复现的最优策略是把算力花在动力学上把结论留在自己脑子里预训练环节用现成资产替代收敛环节用早期趋势替代统计环节用单种子对比替代。四个实验全部围绕论文的每个主张是否见过第一手证据设计——这才是读透一篇 Nature Communications 的正确姿势。附录 A执行清单E1加载 cellphone80deg.json输出 spot/PSF/MTF/畸变四图E1加载传感器 JSON 做一次图像仿真E2记录每次课程切换前后 100 iter 的损失与剖面E3三开关消融各 2000 iter截图自交时刻E4下载 Zenodo 8358592加载 NAFNet checkpoint 复现 PSNR 量级E4放开光学参数 500 iter记录混合面系数与 PSF 的联动全程固定种子每次实验前记录 commit hash附录 B关键资产路径速查datasets/lenses/cellphone/cellphone80deg.json # 论文级手机镜头 datasets/lenses/cellphone/3P_blank.json # 课程设计初始模板 datasets/lenses/cooke.json # 经典 triplet datasets/sensors/canon/canon_r6.json # 传感器参数 deeplens/material/materials_data.json # 玻璃材料库 Zenodo 8358592 # EDoF checkpoint 测试集4.5 GB AI4Optics/AutoLens # 自动设计活跃维护仓库 DeepLens 理解优先复现路线 · 执行笔记
DeepLens 理解优先复现路线 · 执行笔记承接上篇《DeepLens 论文精读 · 复现笔记》完整复现口径P0–P4 L1–L3 成本账定位转变目的是深入理解论文不是复刻论文数字——预训练类环节一律跳过关键资产仓库自带镜头 JSON零训练、Zenodo checkpointEDoF 网络、早期训练动力学整理日期2026-10-06目录摘要一、定位理解优先不是模仿复刻二、现成资产盘点哪些权重可以直接用三、E1–E4 实验设计每个实验回答一个具体问题E1 评价体系免费半天E2 课程动力学约 ¥2–5E3 微型消融约 ¥5–10E4 端到端梯度流约 ¥3–5四、预算与排期五、与上篇路线的关系六、结论附录 A执行清单附录 B关键资产路径速查摘要以理解为导向重构 DeepLens 复现方案跳过 NAFNet 从零训练与收敛级长时程优化直接采用仓库镜头 JSON 与 Zenodo checkpoint将算力集中于课程切换动力学、微型消融与端到端梯度流四个实验总预算约 10–20 元一天半完成。一、定位理解优先不是模仿复刻完整复现的大头成本烧在跑到收敛上而论文里最有信息量的现象在训练早期就分化了。预训练类环节标准重建网络从零训练、20 种子统计、长时程优化到论文数字属于没意义的重复——它们服务于投稿不服务于理解。由此得出裁剪原则复刻 15.74 μm 不产生理解趋势对了就行统计稳健性是投稿需求砍到 1–2 种子但三机制的早期动力学、课程切换行为、端到端梯度流必须亲手跑——论文核心思想全在这里无法通过读代码或加载权重获得。二、现成资产盘点哪些权重可以直接用光学设计的权重就是镜头参数 JSON 本身另有 EDoF 重建网络 checkpoint资产位置用途手机镜头 JSONdatasets/lenses/cellphone/cellphone80deg.json、cellphone68deg.json大概率为论文设计产出直接加载分析真实镜头专利结构datasets/lenses/camera/EF/RF/适马/永诺等 11 个对比基准Cooke tripletdatasets/lenses/cooke.json含劣化版cooke40_inferior.json经典结构教学案例初始结构模板3P_blank.json课程设计的近平板起点EDoF checkpoint 测试集Zenodo record 83585924.5 GB zipNAFNet 权重免训练直接评估神经网络权重doe/doe_psf1.pth衍射元件 PSF传感器参数datasets/sensors/Canon/FLIR配合镜头做图像仿真材料库deeplens/material/*.json玻璃折射率选型三、E1–E4 实验设计每个实验回答一个具体问题E1 评价体系免费半天加载cellphone80deg.json跑 spot diagram / PSF / MTF / 畸变分析配合传感器 JSON 做一次图像仿真。回答光学设计到底在优化什么顺带熟悉 DeepLens API为后续实验铺路。E2 课程动力学约 ¥2–5完整课程设计跑起来但不用跑完——重点盯每次规格切换FoV/F# 收紧前后 100 iter 的损失曲线和镜头剖面变化。回答从 47.5° 到 80.8°结构是怎么长出来的对应论文 Fig.1 演化图课程切换时刻的行为是由易到难为什么有效的唯一第一手证据。E3 微型消融约 ¥5–10三开关课程 / 正则 / 掩码各跑 2000 iter × 1 种子。摘掉正则的 run 在几百 iter 内就会自交——论文 Table 1 的100% vs 0% 无自交比例结论早期就能亲眼看到。回答三大机制各自挡住了哪种病态不需要 5000 iter 收敛病态结构的出现远早于收敛。E4 端到端梯度流约 ¥3–5Checkpoint 加载 NAFNet → 推理复现论文 PSNR 量级验证管线→ 只放开光学参数做几百 iter 联合微调观察混合面奇次多项式系数变化如何同步改变 PSF 与重建损失。回答梯度穿过光学器件到底意味着什么这是 deep optics 范式的命门也是与模块缝合方法论最直接的连接点。四、预算与排期实验费用耗时产出E1 评价体系¥0半天全套分析图 仿真图E2 课程动力学¥2–5半天课程切换演化图笔记核心素材E3 微型消融¥5–10半天早期自交对比图E4 端到端梯度流¥3–5半天梯度流行为记录合计¥10–20约 1.5 天—比完整复现方案¥700–2800省一个数量级。省钱要点沿用上篇无卡模式调环境、3090 开训、checkpoint 续跑、跑完关机。五、与上篇路线的关系上篇 P0–P4 / L1–L3 是完整复现口径保留作参考基准万一后续要发文章或做严谨对比实际执行以本篇 E1–E4 为主。映射关系E1 ≈ P0环境复检 评价体系熟悉E2 ≈ P1 的短程版不看终态看过程E3 ≈ P2 的缩水版种子 20→1迭代 5000→2000E4 ≈ P3 的免训练版checkpoint 代替联合训练只看梯度流P4延伸选题不变ray-wave 分支仍是首选衔接方向。六、结论理解型复现的最优策略是把算力花在动力学上把结论留在自己脑子里预训练环节用现成资产替代收敛环节用早期趋势替代统计环节用单种子对比替代。四个实验全部围绕论文的每个主张是否见过第一手证据设计——这才是读透一篇 Nature Communications 的正确姿势。附录 A执行清单E1加载 cellphone80deg.json输出 spot/PSF/MTF/畸变四图E1加载传感器 JSON 做一次图像仿真E2记录每次课程切换前后 100 iter 的损失与剖面E3三开关消融各 2000 iter截图自交时刻E4下载 Zenodo 8358592加载 NAFNet checkpoint 复现 PSNR 量级E4放开光学参数 500 iter记录混合面系数与 PSF 的联动全程固定种子每次实验前记录 commit hash附录 B关键资产路径速查datasets/lenses/cellphone/cellphone80deg.json # 论文级手机镜头 datasets/lenses/cellphone/3P_blank.json # 课程设计初始模板 datasets/lenses/cooke.json # 经典 triplet datasets/sensors/canon/canon_r6.json # 传感器参数 deeplens/material/materials_data.json # 玻璃材料库 Zenodo 8358592 # EDoF checkpoint 测试集4.5 GB AI4Optics/AutoLens # 自动设计活跃维护仓库