| 第三届计图挑战赛开源

Jittor 热身赛 baseline

| 主要结果

简介

本项目包含了本第三届计图挑战赛计图 - 热身赛的代码实现。本项目的特点是：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

| 介绍基本的硬件需求、运行环境、依赖安装方法

本项目在NVIDIA Geforce GTX TITAN X 上运行

运行环境

• Ubuntu 18.04LTS
• python >=3.7
• jittor >=1.3.0
• g++ >=5.4.0
• nvcc >=10.0 (以及对应版本的cudnn)

安装依赖

#g++
sudo apt install g++ build-essential libomp-dev

#python
sudo apt install python3.8 python3.8-dev

#pip安装jittor
git clone https://github.com/Jittor/jittor.git
sudo pip3.8 install ./jittor
export cc_path="g++"
python3.8 -m jittor.test.test_example  #如果通过了测试，那么您的Jittor已经准备就绪。

#启用CUDA
export nvcc_path="/usr/local/cuda/bin/nvcc" 
python3.8 -m jittor.test.test_cuda 
#测试通过后
python
>>>import jittor as jt
>>>jt.flags.use_cuda = 1

#测试训练Resnet18
python3.8 -m jittor.test.test_resnet

训练

｜ 介绍模型训练的方法

python CGAN.py

推理

会根据输入的 number 自动在文件夹中生成对应数字的result.png