Add .gitignore
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
Ubuntu 18.04.6 LTS (GNU/Linux 4.15.0-176-generic x86_64)
python >= 3.7
jittor >= 1.3.0
或者在Ubuntu 中执行下列命令
sudo apt install python3.7-dev libomp-dev python3.7 -m pip install jittor python3.7 -m jittor.test.test_example # 如果您电脑包含Nvidia显卡，检查cudnn加速库 python3.7 -m jittor.test.test_cudnn_op
CGAN.py文件是模型训练以及产生数字序列的源代码，在该文件的目录下，执行’python3 CGAN.py’即可 本项目可在 1张GTX1080Ti上运行，训练时间约为5分钟。 训练后，您可以通过’numpy.load(discriminator_last.pkl, allow_pickle=True)’以及’numpy.load(generator_last.pkl, allow_pickle=True)’加载训练好的判别器和生成器。
A Jittor implementation of Conditional GAN
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN_jittor
项目介绍
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
运行环境
Ubuntu 18.04.6 LTS (GNU/Linux 4.15.0-176-generic x86_64)
python >= 3.7
jittor >= 1.3.0
或者在Ubuntu 中执行下列命令
使用方法
CGAN.py文件是模型训练以及产生数字序列的源代码，在该文件的目录下，执行’python3 CGAN.py’即可 本项目可在 1张GTX1080Ti上运行，训练时间约为5分钟。 训练后，您可以通过’numpy.load(discriminator_last.pkl, allow_pickle=True)’以及’numpy.load(generator_last.pkl, allow_pickle=True)’加载训练好的判别器和生成器。