本项目包含了第三届计图挑战赛——热身赛的代码实现。本项目通过在手写数字识别数据集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)，实现了特定数字图像生成。
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。
关于
Jittor is a high-performance deep learning framework based on real-time compilation and meta operators. And this repo is for the 3rd Jittor AI challenge competition(warm-up).
Jittor 计图挑战赛-热身赛
简介
本项目包含了第三届计图挑战赛——热身赛的代码实现。本项目通过在手写数字识别数据集
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)，实现了特定数字图像生成。安装
本项目可在 1张 RTX 3090Ti 上运行，训练时间约为 20分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
训练
可运行以下命令进行训练：
推理
推理包含在训练部分代码中，训练完成后进行推理，生成result.png，内容为参赛选手id的手写字体。
致谢
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。