Jittor-CGAN项目

项目简介

• 该项目是第三届计图人工智能挑战赛热身赛的一个实现方案，采用了jittor语言框架和条件对抗生成神经网络CGAN模型，目标是实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。
• 具体的实现过程是：在数字图片数据集MNIST上训练一个将随机噪声和类别标签映射为数字图片的Conditiona1GAN模型，并生成某串数字对应的数字图片结果。
• 该项目基于计图比赛热身赛提供的代码修改而成，最终解释权由计图比赛官方确定。

  安装和运行

  步骤一 克隆仓库

• 在您的命令行中输入下列命令来克隆仓库，请确保在这之前您已经配置好git。

  git clone git@code.gitlink.org.cn:AlphaPlusBeta/Jittor-CGAN.git

  步骤二 安装依赖项

• 在您的命令行中输入下列命令来安装依赖项

  pip install -r requirements.txt

• 请注意，这里面默认您已经配置好了python（推荐使用3.7版本）。如果您希望使用GPU运行本程序，您需要单独配置cuda环境，您可以参考jittor官网来完成这一步。

  步骤三 运行程序

• 在运行之前，您可以通过更改CGAN.py程序的第201行中的number变量来设置您希望输出图片显示的数字串。
• 运行时，请在命令行中输入下列命令

  python CGAN.py

  来执行默认的运行。您还可以通过命令行来调整训练参数。

  步骤四 获取结果

• 输出的图片会保存在result.png中。

  项目结构

  ├── CGAN.py
  ├── LICENSE
  ├── README.md
  ├── discriminator_last.pkl
  ├── generator_last.pkl
  ├── requirements.txt
  └── result.png

  项目文件说明

• CGAN.py：代码文件
• discriminator_last.pkl：模型文件
• generator_last.pkl：模型文件
• result.png：一张样例生成图

  项目许可证

• 项目使用MIT许可证。更多信息请查看LICENSE

  提交反馈

• 本项目欢迎以issue形式提出各种问题和建议！
• 如果希望就本项目进行更深入的讨论，欢迎在issue中提出。

  授权许可

• 该项目的所有代码，文档，数据遵循Apache 2.0 License许可