ADD file via upload
本项目是“第二届计图人工智能挑战赛–计图挑战热身赛”的实现。本赛题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。
一个完全基于动态编译（Just-in-time）,内部使用创新的元算子和统一计算图的深度学习框架， 元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。更多信息参考Jittor(计图): 即时编译深度学习框架 — Jittor (tsinghua.edu.cn)
安装 — Jittor (tsinghua.edu.cn)
python CGAN.py
第二届计图挑战赛热身赛 代码框架：jittor 项目内容：数字图像生成
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Conditional-GAN-Jittor
项目简介
本项目是“第二届计图人工智能挑战赛–计图挑战热身赛”的实现。本赛题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。
Jittor简介
一个完全基于动态编译（Just-in-time）,内部使用创新的元算子和统一计算图的深度学习框架， 元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。更多信息参考Jittor(计图): 即时编译深度学习框架 — Jittor (tsinghua.edu.cn)
Jittor安装
安装 — Jittor (tsinghua.edu.cn)
运行环境
运行方法