ADD file via upload
本项目包含了第三届计图挑战赛热身赛的代码实现。本项目的特点是：利用jittor框架实现Conditional GAN（Conditional Generative Adversarial Nets）对一个随机向量 z 和额外辅助信息 y 进行处理，生成特定数字的图像。
本项目可在 1 张 3090 上运行，训练时间约为 0.5 小时。
ubuntu 20.04 LTS python >= 3.7 jittor >= 1.3.0
执行以下命令安装 python 依赖
pip install -r requirements.txt
单卡训练可运行以下命令：
python CGAN.py
生成结果可以运行以下命令：
python test.py --number 1234567890
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。
Jittor 第四届计图挑战热身赛：本项目包含了第四届计图挑战赛热身赛的代码实现。本项目的特点是：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。
Jittor 第四届计图挑战热身赛
简介
本项目包含了第三届计图挑战赛热身赛的代码实现。本项目的特点是：利用jittor框架实现Conditional GAN（Conditional Generative Adversarial Nets）对一个随机向量 z 和额外辅助信息 y 进行处理，生成特定数字的图像。
安装
本项目可在 1 张 3090 上运行，训练时间约为 0.5 小时。
运行环境
ubuntu 20.04 LTS 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
单卡训练可运行以下命令：
python CGAN.py推理
生成结果可以运行以下命令：
python test.py --number 1234567890致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。