jittor

| 第二届计图挑战赛

Jittor 挑战热身赛

|实验结果

简介

本项目是在数字图片数据集 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

安装Jittor深度学习框架。

运行环境

• 操作系统: Ubuntu >= 16.04 或 Windows Subsystem of Linux（WSL）
• Python：版本 >= 3.7
• C++编译器 （需要下列至少一个）
  • g++ （>=5.4.0）
  • clang （>=8.0）
• GPU 编译器（可选）：nvcc >=10.0
• GPU 加速库（可选）：cudnn-dev

安装好编译器和对应版本的Python后，使用pip安装jittor

pip install jittor

通过运行Resnet18训练测试来检查Jittor的完整性

python3.7 -m jittor.test.test_resnet 

训练

执行以下命令训练模型生成数字图像：

python CGAN.py

致谢

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。