Jittor 热身赛 CGAN

简介

| 简单介绍项目背景、项目特点

本项目包含了第二届计图挑战赛计图 - 热身赛的代码实现。本项目的特点是：使用了jittor框架实现了CGAN模型，并在MNIST数据集上训练生成指定数字的生成图片。

安装

| 介绍基本的硬件需求、运行环境、依赖安装方法

本项目对显卡要求不高，可在1080及以上运行，训练时间半个小时左右。

运行环境

• ubuntu 20.04
• python >= 3.7
• jittor >= 1.3.0

安装依赖

执行以下命令安装 python 依赖

pip install -r requirements.txt

训练

执行以下命令训练模型，会在当前目录下生成鉴别器和生成器的ckpt，并在imgs目录下生成训练过程的图像。

python CGAN.py

训练完成会执行生成指定的11位数字的生成图像，并保存在当前目录下。

参考文献

[1] Goodfellow, Ian, et al. “Generative adversarial nets.” Advances in neural information processing systems. 2014.

[2] Mirza, Mehdi, and Simon Osindero. “Conditional generative adversarial nets.” arXiv preprint arXiv:1411.1784 (2014).