Jittor 挑战赛-热身赛 Conditional GAN

简介

本项目是广东工业大学“别再卷了”战队在第五届计图人工智能挑战赛中的热身赛所使用的代码。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GPU 5070Ti 上运行

运行环境

• ubuntu 22.04
• 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  

#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

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

训练

运行以下命令： python CGAN.py 即可在同目录下生成 result.png 文件

致谢

感谢jittor官方提供的示例代码！