[fix]fix readme
生成结果(给定随机ID为27455652738590):
本项目包含了第五届计图挑战赛热身赛题:手写数字生成任务的实现。本项目的特点是:采用了JGAN框架,同时训练判别器与生成器,取得了手写数字生成acc达到0.9778的结果。
本项目可在1张3070上运行,训练时间约为30分钟。
只需按照要求安装jittor库即可,没有额外库的安装要求
无预训练模型
选择在第i张卡上训练,可运行以下命令:
export CUDA_VISIBLE_DEVICES=i python CGAN.py
我们在root目录下提供了训练生成的权重,为了生成对应手写数字,可以修改CGAN.py文件第201行中的number,并运行:
python CGAN.py --n_epochs 0
使用jittor框架实现基于GAN的手写数字生成
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Jittor 热身赛题:JGAN手写数字生成
生成结果(给定随机ID为27455652738590):
简介
本项目包含了第五届计图挑战赛热身赛题:手写数字生成任务的实现。本项目的特点是:采用了JGAN框架,同时训练判别器与生成器,取得了手写数字生成acc达到0.9778的结果。
安装
本项目可在1张3070上运行,训练时间约为30分钟。
运行环境
安装依赖
只需按照要求安装jittor库即可,没有额外库的安装要求
预训练模型
无预训练模型
训练
选择在第i张卡上训练,可运行以下命令:
推理
我们在root目录下提供了训练生成的权重,为了生成对应手写数字,可以修改CGAN.py文件第201行中的number,并运行: