CGAN_Jittor

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Conditiona1GAN模型，并生成下方给定用户随机ID对应的数字图片结果。

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。

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

注意事项

选手需通过此热身赛后才能参加此风景图片生成赛和大规模无监督语义分割赛题。 比赛需要使用计图深度学习框架。 更多 JGAN 的资料可以参考这里。 所有团队（包括热身赛和正式赛题）需要按照开源指南进行代码开源，才能视为有效成绩，详见赛事介绍。