第三届计图挑战赛热身赛-数字图像生成 CGAN_Jittor

简介

• 本项目包含了第三届计图挑战赛热身赛-数字图像生成的代码实现，用于生成比赛页面指定数字序列。
• 本项目用于在数字图片数据集 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

运行环境

• Ubuntu20.04
• Python >= 3.7
• g++ >=5.4.0
• GPU 编译器（可选）：nvcc >=10.0
• GPU 加速库（可选）：cudnn-dev (cudnn开发版, 推荐使用tar安装方法，参考链接 https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#installlinux-tar)

安装方式

• Jittor官方教程：https://cg.cs.tsinghua.edu.cn/jittor/download/
• 或使用以下命令安装：

  sudo apt install python3.7-dev libomp-dev
  python3.7 -m pip install jittor
  python3.7 -m jittor.test.test_example
  # 如果您电脑包含Nvidia显卡，检查cudnn加速库
  python3.7 -m jittor.test.test_cudnn_op

  训练与推理

• 训练并生成结果的命令如下，程序将自动下载有关数据集并训练。

  python CGAN.py

  致谢

• 此项目基于第三届计图挑战赛热身赛示例代码：https://www.gitlink.org.cn/competitions/index/Jittor-4