jittor

第二届计图人工智能挑战赛——计图挑战热身赛

赛题介绍

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）。

示例代码

本赛题提供示例代码，提供数据下载、模型定义、训练步骤等功能。

选手可以基于示例代码填充注释为 TODO 的部分完成该赛题。

评测方式

本赛题通过 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绑定的手机号即为通过，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。

提交示例

比如用户的手机号是 18012345678，那么一种可能的提交结果图像为：

提交结果格式说明

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：

-- result.zip    
    -- CGAN.py // 模型 + 训练代码    
    -- result.png // 生成的结果图  

---

作者贡献

使用赛题提供的示例代码框架进行实现。

导入所需要用到的包，并设置好所需用的参数。

定义生成器 G。该生成器输入两个一维向量 y 和 noise，生成一张图片。

定义判别器 D。D 输入一张图片和对应的 y，输出是真图片的概率。

实现保存图片的函数。

训练模型。

生成结果result.png。