Jittor 计图挑战热身赛 conditional-GAN

主要结果：会根据CGAN.py中的number字符串生成对应的数字串图像

简介

本项目使用Jittor框架，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

本项目可在 1张GTX1080Ti上运行，训练时间约为5分钟。

运行环境

• Ubuntu 18.04.6 LTS (GNU/Linux 4.15.0-176-generic x86_64)

• python >= 3.7

• jittor >= 1.3.0

• 或者在Ubuntu 中执行下列命令

  • sudo apt install python3.7-dev libomp-dev
    python3.7 -m pip install jittor
    python3.7 -m jittor.test.test_example
    # 如果您电脑包含Nvidia显卡，检查cudnn加速库
    python3.7 -m jittor.test.test_cudnn_op

安装依赖

本项目无依赖

预训练模型

无

训练

在CGAN.py所在目录下，命令行执行下列命令即可（您也可以在代码中手动修改number字符串以改变输出结果）

python CGAN.py

推理

训练后，您可以通过numpy.load(discriminator_last.pkl, allow_pickle=True)以及numpy.load(generator_last.pkl, allow_pickle=True)加载训练好的判别器和生成器。