| Jittor 热身赛

简介

| 简单介绍项目背景、项目特点

本项目在数字图片数据集 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

本项目可在 2 张 2080 上运行，训练时间约为 6 小时。

运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0

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

预训练模型模型下载地址为 https:abc.def.gh，下载后放入目录 <root>/weights/ 下。

数据预处理

| 介绍数据预处理方法，可选

将数据下载解压到 <root>/data 下，执行以下命令对数据预处理：

bash scripts/prepross.sh

训练

｜ 介绍模型训练的方法

单卡训练可运行以下命令：

bash scripts/train.sh

多卡训练可以运行以下命令：

bash scripts/train-multigpu.sh

推理

｜ 介绍模型推理、测试、或者评估的方法

生成测试集上的结果可以运行以下命令：

bash scripts/test.sh

致谢

| 对参考的论文、开源库予以致谢，可选

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。