Jittor_CGAN

计图挑战热身赛（手写数字生成赛题）

赛题简介

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。

赛题内容

本赛题将会提供数字图片数据集 MNIST，参赛选手需要训练一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成注册时绑定的手机号（如果没有绑定手机号请先绑定再进行提交）。

运行环境

• Ubuntu >= 16.04 或 Windows Subsystem of Linux（WSL）
• python >= 3.7
• jittor >= 1.3.0
• 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 (cudnn开发版, 推荐使用tar安装方法，参考链接)

安装

1.导入代码

git clone https://github.com/Jittor/gan-jittor.git
cd gan-jittor/
sudo python3.7 -m pip install -r requirements.txt
cd competition/warm_up_comp
修改 CGAN.py 后，执行python CGAN.py使其运行

2.Jittor安装

• 步骤一：选择您的后端编译器

  # g++  
  sudo apt install g++ build-essential libomp-dev
  # OR clang++-8  
  wget -O - https://raw.githubusercontent.com/Jittor/jittor/master/script/install_llvm.sh > /tmp/llvm.sh  
  bash /tmp/llvm.sh 8  

• 步骤二：安装Python和python-dev Jittor需要python的版本>=3.7。

  sudo apt install python3.7 python3.7-dev  

• 步骤三：运行Jittor 接下来将通过pip安装jittor

  git clone https://github.com/Jittor/jittor.git  
  sudo pip3.7 install ./jittor  
  export cc_path="clang++-8"  
  # if other compiler is used, change cc_path 
  # export cc_path="g++"  
  # export cc_path="icc"
  # run a simple test 
  python3.7 -m jittor.test.test_example 

  如果通过了测试，那么您的Jittor已经准备就绪。

• 可选步骤四：启用CUDA 在Jittor中使用CUDA非常简单，只需设置环境值nvcc_path，如果没有设置该环境变量，Jittor会使用默认环境变量/usr/local/cuda/bin/nvcc去寻找 nvcc。

# replace this var with your nvcc location  
export nvcc_path="/usr/local/cuda/bin/nvcc"   
# run a simple cuda test  
python3.7 -m jittor.test.test_cuda 

运行结果

• 训练结束后，模型的生成器保存为generator_last.pkl文件，模型的判别器保存为discriminator_last.pkl文件。

• 生成的号码图像为result.png，如图所示：