周报（9.27-9.30）

目录

一、本周计划

二、完成情况

2.1 环境搭建（AutoDL 云端 4090）

2.2 数据准备（OpenFWI 公开数据集）

2.3 训练（完整跑通）

2.4 测试与出图

三、存在问题

四、下一步计划

一、本周计划

把 ABA-FWI 的代码跑通：搭环境 → 准备数据 → 训练 → 出结果图，验证论文的可复现性。

二、完成情况

2.1 环境搭建（AutoDL 云端 4090）

• 本机无独显，训练放在 AutoDL 云实例（RTX 4090 + 120GB 内存）

• 版本：PyTorch 2.1.2+cu121、numpy 1.26.4、opencv-python-headless 4.9.0.80

• 环境配好后保存了自定义镜像

2.2 数据准备（OpenFWI 公开数据集）

论文用的 CurveVelA 是 OpenFWI 公开数据集的 Vel 家族，和代码里 ParamConfig 的要求一致。

2.3 训练（完整跑通）

• 先用 1500 样本试跑 20 epoch 验证链路（5 秒/epoch，loss 正常下降），再恢复论文参数全量训练。

• 训练配置：TrainSize 24000、BatchSize 20、LR 1e-4、160 epoch

• 结果：Train loss 0.5 → 0.0144，Val loss → 0.0408，曲线平滑收敛，无过拟合

2.4 测试与出图

• test.py 跑完 6000 个测试样本，8 项指标：PSNR 24.10 / SSIM 0.837 / MSE 0.0047 / MAE 0.0318 / UQI 0.862 / LPIPS 0.032

• 写了 make_figs.py 挑 8 个样本出"真实 | 预测 | 误差"三列对比图

• 误差图解读：模型内部几乎全绿（速度幅值学得很准），残差集中在层界面处、红蓝成对出现（界面位置差一个网格的"平移指纹"）——正好对应论文立题要解决的边界问题。

三、存在问题

对比方法（InversionNet / DD-Net / VelocityGAN）还没跑，消融链不完整

四、下一步计划

1. 跑 InversionNet 基线，和 ABA-FWI 做同数据对比，补齐消融链。

2. 结合相关代码学习各类网络结构