CGAN_jittor

简述及文件结构

本质上是图形学课作业和计图挑战赛热身题，但对我来说这是基于题目提供的框架对于CGAN和jittor的一次初探。

项目本身是一个基于jittor CGAN和MNIST数据集的手写数字生成器，其中的CGAN.py为主要代码，用于模型训练。后缀为.pkl的两个文件为训练结果参数，可以用于后续推理使用，而result.png为样例输出（如下图）

Installation

在安装了计图框架的环境中直接执行即可。安装计图参考

由于本人使用macOS(intel)，在此提供简单的macOS+docker的Jittor安装方式：

• 更新系统至最新的三个macOS大版本之一
• 下载并打开Docker desktop app
• 运行docker run -it -p 8888:8888 jittor/jittor即可同时完成安装及启动计图环境

Running

在使用Docker安装计图框架的情况下

• 在浏览器中访问http://127.0.0.1:8888/tree#notebooks打开jupyter notebook网页页面

• 接下来有两个选择

  • 直接使用jupyter notebook网页新建.py文件，并将CGAN.py的内容拷贝进去，执行。结束后使用docker cp 从/root/.cache下找到并复制出结果。由于docker容器每次启动恢复原始状态的特性，以上内容需在不重启container的情况下完成
  • 将一个文件夹mount进container合适的位置。之后在文件夹内执行代码。此时运行结束后可以直接access该文件夹获取结果。