ADD file via upload
jittor生成手写数字Conditional GAN
简介 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。可以基于示例代码填充注释为 TODO 的部分完成该赛题。 特点是：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。
安装 本项目可再1060显卡上运行，训练时间约为3小时
运行环境 -window10
安装依赖 执行以下命令安装 python 依赖 pip install -r requirements.txt
预训练模型 下载地址：https://github.com/Jittor/gan-jittor
训练 可在虚拟环境下运行
推理 可用自己的号码生成图片提交结果查看分数
致谢 此项目基于jittor的热身赛，部分代码参考了(https://github.com/Jittor/gan-jittor)
该项目是jittor热身赛手写数字生成题，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。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
jittor生成手写数字Conditional GAN
简介 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。可以基于示例代码填充注释为 TODO 的部分完成该赛题。 特点是：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。
安装 本项目可再1060显卡上运行，训练时间约为3小时
运行环境 -window10
安装依赖 执行以下命令安装 python 依赖 pip install -r requirements.txt
预训练模型 下载地址：https://github.com/Jittor/gan-jittor
训练 可在虚拟环境下运行
推理 可用自己的号码生成图片提交结果查看分数
致谢 此项目基于jittor的热身赛，部分代码参考了(https://github.com/Jittor/gan-jittor)