CGAN_jittor_warm_up version 1
本项目使用 Jittor 机器学习框架，在数字图片数据集 MNIST 上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，生成指定数字序列对应的图片。
Jittor 是一个基于即时编译和元算子的高性能深度学习框架，整个框架在即时编译的同时，还集成了强大的Op编译器和调优器，为您的模型生成定制化的高性能代码。Jittor还包含了丰富的高性能模型库，涵盖范围包括：图像识别、检测、分割、生成、可微渲染、几何学习、强化学习等。
Jittor前端语言为Python，使用了主流的包含模块化和动态图执行的接口设计，后端则使用高性能语言进行了深度优化。
Jittor官网：https://cg.cs.tsinghua.edu.cn/jittor/
首先安装计图深度学习框架，推荐安装到conda虚拟环境中
安装教程参考 https://cg.cs.tsinghua.edu.cn/jittor/download/
conda activate jittor python CGAN.py
其中，输出的字符串位于CGAN.py中，需修改源代码
A Jittor implementation of Conditional GAN (CGAN) just for warm up
CGAN_jittor_warm_up
项目简介
本项目使用 Jittor 机器学习框架，在数字图片数据集 MNIST 上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，生成指定数字序列对应的图片。
Jittor简介
Jittor 是一个基于即时编译和元算子的高性能深度学习框架，整个框架在即时编译的同时，还集成了强大的Op编译器和调优器，为您的模型生成定制化的高性能代码。Jittor还包含了丰富的高性能模型库，涵盖范围包括：图像识别、检测、分割、生成、可微渲染、几何学习、强化学习等。
Jittor前端语言为Python，使用了主流的包含模块化和动态图执行的接口设计，后端则使用高性能语言进行了深度优化。
Jittor官网：https://cg.cs.tsinghua.edu.cn/jittor/
使用方法
首先安装计图深度学习框架，推荐安装到conda虚拟环境中
安装教程参考 https://cg.cs.tsinghua.edu.cn/jittor/download/
其中，输出的字符串位于CGAN.py中，需修改源代码