ADD file via upload
本项目包含了第二届计图挑战赛计图 - 挑战热身赛的代码实现。 在MNIST数字图片数据集上使用Conditional GAN模型进行训练，输入随机向量z和额外的辅助信息y生成特定数字图片。 深度学习架构为jittor。
执行以下命令执行安装依赖 1.pip install -r requirements.txt
python >= 3.7 jittor >= 1.3.0 pillow 9.1.1
执行以下命令安装python依赖 pip install -r requirements.txt jittor的安装方法请参考 https://cg.cs.tsinghua.edu.cn/jittor/download/
模型训练命令如下： 1.python CGAN.py –mode train 生成测试集的结果可以运行如下命令： 2.python CGAN.py –mode sample
第二届jittor挑战赛（热身赛）
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
简介
本项目包含了第二届计图挑战赛计图 - 挑战热身赛的代码实现。 在MNIST数字图片数据集上使用Conditional GAN模型进行训练，输入随机向量z和额外的辅助信息y生成特定数字图片。 深度学习架构为jittor。
安装
执行以下命令执行安装依赖 1.pip install -r requirements.txt
运行环境：
python >= 3.7 jittor >= 1.3.0 pillow 9.1.1
安装依赖
执行以下命令安装python依赖 pip install -r requirements.txt jittor的安装方法请参考 https://cg.cs.tsinghua.edu.cn/jittor/download/
训练和推理
模型训练命令如下： 1.python CGAN.py –mode train 生成测试集的结果可以运行如下命令： 2.python CGAN.py –mode sample