readme update!
此仓库为第二届计图人工智能挑战赛热身赛部分的代码,赛事地址为https://www.educoder.net/competitions/index/Jittor-3,关于赛事的具体信息可以参见官网公告。
仓库内代码的主要功能是利用 jittor 深度学习框架搭建对抗神经网络用于生成手写数字图片,其中,原有代码框架来自于比赛的官方仓库 https://github.com/Jittor/gan-jittor/blob/master/competition/warm_up_comp/CGAN.py。
本项目的代码依赖于 jittor 库,可以通过 pip 进行安装。
运行本代码只需要直接运行命令 python CGAN.py,模型会自动开始训练,训练中会每隔一定的迭代次数生成图片以观察效果,训练结束后会为判别器和生成器保存训练参数(即项目中的.pkl文件)并生成提前设定的一串数字的手写图像result.png。
python CGAN.py
.pkl
result.png
A Jittor implementation of Conditional GAN (CGAN)
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN_jittor
项目简介
此仓库为第二届计图人工智能挑战赛热身赛部分的代码,赛事地址为https://www.educoder.net/competitions/index/Jittor-3,关于赛事的具体信息可以参见官网公告。
仓库内代码的主要功能是利用 jittor 深度学习框架搭建对抗神经网络用于生成手写数字图片,其中,原有代码框架来自于比赛的官方仓库 https://github.com/Jittor/gan-jittor/blob/master/competition/warm_up_comp/CGAN.py。
项目使用
本项目的代码依赖于 jittor 库,可以通过 pip 进行安装。
运行本代码只需要直接运行命令
python CGAN.py
,模型会自动开始训练,训练中会每隔一定的迭代次数生成图片以观察效果,训练结束后会为判别器和生成器保存训练参数(即项目中的.pkl
文件)并生成提前设定的一串数字的手写图像result.png
。