Update README.md
| 第二届计图挑战赛开源模板
![主要结果]
本赛道将在数字图片数据集 MNIST 上训练 Conditional GAN(Conditional generative adversarial nets)模型,通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签),生成特定数字的图像。
执行以下命令安装 python 依赖
pip install -r requirements.txt
| 介绍模型训练的方法
| 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令:
bash scripts/test.sh
| 对参考的论文、开源库予以致谢,可选
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现,部分代码参考了 jittor-gan。
点击项目的“设置”,在Description一栏中添加项目描述,需要包含“jittor”字样。同时在Topics中需要添加jittor。
,
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
| 第二届计图挑战赛开源模板
Jittor 手写数字识别
![主要结果]
简介
本赛道将在数字图片数据集 MNIST 上训练 Conditional GAN(Conditional generative adversarial nets)模型,通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签),生成特定数字的图像。
安装
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
数据预处理
训练
| 介绍模型训练的方法
推理
| 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令:
致谢
| 对参考的论文、开源库予以致谢,可选
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现,部分代码参考了 jittor-gan。
注意事项
点击项目的“设置”,在Description一栏中添加项目描述,需要包含“jittor”字样。同时在Topics中需要添加jittor。