ADD file via upload
战队名:COESAK
本项目包含了第四届计图挑战赛计图 - 热身赛的代码实现。主要方法基于CGAN。
本项目可在 1 张 RTX 3090 上运行,训练时间约为30分钟。
执行以下命令安装 jittor
pip install jittor
预训练模型模型下载地址为 百度网盘,提取码:jitu。下载后放在当前目录即可。
模型的训练可以运行以下命令:
python CGAN.py
训练完成后会根据设置的字符串自动进行推理。 若用提供的预训练模型直接测试,注释掉CGAN.py中的训练部分即可。
此项目基于论文 Conditional Generative Adversarial Nets 实现,部分代码参考了 jittor-gan。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
jittor
Jittor 第四届计图人工智能挑战赛 热身赛方案
战队名:COESAK
简介
本项目包含了第四届计图挑战赛计图 - 热身赛的代码实现。主要方法基于CGAN。
安装
本项目可在 1 张 RTX 3090 上运行,训练时间约为30分钟。
运行环境
安装依赖
执行以下命令安装 jittor
预训练模型
预训练模型模型下载地址为 百度网盘,提取码:jitu。下载后放在当前目录即可。
训练
模型的训练可以运行以下命令:
训练完成后会根据设置的字符串自动进行推理。 若用提供的预训练模型直接测试,注释掉CGAN.py中的训练部分即可。
致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现,部分代码参考了 jittor-gan。