第四届计图Jittor人工智能挑战赛热身赛——Conditional GAN手写数字生成

简介

本热身赛要求在数字图片数据集 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。

赛题内容及要求

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Conditiona1GAN模型，并生成下方给定用户随机ID对应的数字图片结果。通过 MNIST 分类器进行生成图像的验证，程序能够正常生成结果，且生成的结果图被判定为随机ID即为通过，否则不通过。 评测程序会返回每个数字的平均正确率，大于0.7即可通过。

Jittor安装

运行环境

ubuntu >=16.04 LTS 或 Windows Subsystem of Linux（WSL）

python >= 3.7

C++编译器：g++ >= 5.4.0

jittor >= 1.3.0

安装依赖

执行以下命令安装jittor环境。注意：根据您的Python版本安装对应的python-dev包

sudo apt install python3.7-dev libomp-dev

pip install git+https://github.com/Jittor/jittor.git

执行以下命令测试jittor环境

python -m jittor.test.test_example

启用CUDA

export nvcc_path="/usr/local/cuda/bin/nvcc     #这里填你自己的CUDA安装路径

python -m jittor.test.test_cuda 

如果测试通过，则可以通过设置`use_cuda`标识符在Jittor中启用CUDA。

import jittor as jt

jt.flags.use_cuda = 0

训练

直接运行CGAN.py：

python CGAN.py

提示

本赛题提供基础示例代码，只需要填充TODO部分，再训练即可 代码中输入字符串的地方改为用户的随机ID，例如我的ID为213742213164，那么生成的结果为：

提交方式

将模型代码与生成结果打包为 zip 提交，目录结构和文件名按照以下方式组织：

1.-- result.zip

2.  -- CGAN.py // 模型 + 训练代码

3.  -- result.png // 生成的结果图