CGAN_jittor

项目介绍

本项目是一个基于 Jittor 深度学习框架，在数字图片数据集 MNIST 上训练出的将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型。可以用于生成指定数字序列对应的图片。

运行方法

环境配置

本项目是基于Jittor (计图) 框架完成的，因此首先需要安装Jittor

Docker安装

您可以使用Docker安装，从而避免复杂的环境配置，方法如下：

# CPU only(Linux)
docker run -it --network host jittor/jittor
# CPU and CUDA(Linux)
docker run -it --network host --gpus all jittor/jittor-cuda
# CPU only(Mac and Windows)
docker run -it -p 8888:8888 jittor/jittor

Windows安装

Windows 请准备好Python>=3.8，安装方法如下(conda安装需要额外命令)：

# check your python version(>=3.8)
python --version
python -m pip install jittor
# if conda is used
conda install pywin32

Windows 下，jittor会自动检测显卡并安装对应的 CUDA， 请确保您的NVIDIA驱动支持CUDA 10.2 以上，您还可以使用如下命令手动为Jittor安装CUDA：

python -m jittor_utils.install_cuda

其他安装方法

若您使用MacOS，Linux或其他操作系统，可以参考https://cg.cs.tsinghua.edu.cn/jittor/download/ 来查看安装方法。

项目运行

本项目源代码仅包含 CGAN.py 一个文件，因此可以直接通过执行：

python CGAN.py

来运行项目，生成一系列中间文件后，项目最终将会生成 result.png 的结果文件。

result.png 中的数字序列，是 CGAN.py 中定义的 number 变量，您可以修改这个变量来生成不同的结果图片。

项目所生成的中间文件，可以通过https://cloud.tsinghua.edu.cn/d/79d46e55e25f42e9a61c/ 来获取

友情链接

比赛官网：https://www.educoder.net/competitions/Jittor-4

Jittor 官网: https://cg.cs.tsinghua.edu.cn/jittor/