Jittor-CGAN

简述

本项目是基于jittor深度学习框架，在数字图片数据集 MNIST 上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，生成指定数字序列对应的图片。

安装

运行本项目需要首先安装jittor框架。Jittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。需要使用 Python 及 C++ 编译器（g++ 或 clang）。下面给出Jittor的docker和pip安装方法：

• Docker安装，不需要额外配置环境

  # CPU only(Linux)
  docker run -it --network host jittor/jittor
  # CPU and CUDA(Linux)
  docker run -it --network host --gpus all jittor/jittor-cuda
  # CPU only(Mac and Windows)
  docker run -it -p 8888:8888 jittor/jittor

• Windows安装

  # check your python version(>=3.8)
  python --version
  python -m pip install jittor
  # if conda is used
  conda install pywin32

  Windows环境下，jittor会自动检测显卡并安装对应的 CUDA。

• 检查

  要检查Jittor的完整性，可以运行Resnet18训练测试。需要注意的是，这个测试需要6G显存。

  # Windows
  python -m jittor.test.test_resnet

• 更详细的安装信息，请参加jittor官网 https://cg.cs.tsinghua.edu.cn/jittor/download/

运行

本项目是基于第三届计图人工智能挑战赛——计图挑战热身赛搭建，赛题提供示例代码框架，数据下载、模型定义、训练步骤等功能。

运行方法为在对应的项目路径下，打开终端输入下列内容

python CGAN.py

这将直接开始运行文件，将运行的中间结果输入到对应编号的png，并在终端记录当前的epoch和batch。最后的结果将会储存在result.png文件中。

本项目生成的随机数字序列为13907001389530。 之前项目运行的中间结果和模型储存在下面的网盘链接中。 https://cloud.tsinghua.edu.cn/library/0e880936-a69f-488a-ac07-29b65054bb29/%E5%9B%BE%E5%BD%A2%E5%AD%A6PA3/

链接

计图挑战赛官网：https://www.educoder.net/competitions/Jittor-4

Jittor官网：https://cg.cs.tsinghua.edu.cn/jittor