Jittor 热身赛

简介

本项目包含了第二届计图挑战赛计图 -热身赛的代码实现。本项目基于图片数据集 MNIST，训练了一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成注册时绑定的手机号。

安装

本项目可在标压九代i9上运行，训练时间约为 1.5 小时。

运行环境

ubuntu 20.04 LTS 或 Windows 11/10
python >= 3.7
jittor >= 1.3.0
(可选) cuda >= 11.0

安装依赖

执行以下命令安装 python 依赖

pip install jittor

ToDo部分

添加一个线性层，输出为一个实数

self.model = nn.Sequential(
                nn.Linear((opt.n_classes + int(np.prod(img_shape))), 512), 
                nn.LeakyReLU(0.2), 
                nn.Linear(512, 512), 
                nn.Dropout(0.4), 
                nn.LeakyReLU(0.2), 
                nn.Linear(512, 512), 
                nn.Dropout(0.4), 
                nn.LeakyReLU(0.2), 
                nn.Linear(512,1))

将d_in输入模型进行计算，返回计算结果

def execute(self, img, labels):
        d_in = jt.contrib.concat((img.view((img.shape[0], (- 1))), self.label_embedding(labels)), dim=1)
        validity = self.model(d_in)
        return validity

计算真实数据与生成数据的损失

validity_real = discriminator(real_imgs, labels)
        d_real_loss = adversarial_loss(validity_real,valid)

        validity_fake = discriminator(gen_imgs.stop_grad(), gen_labels)
        d_fake_loss = adversarial_loss(validity_fake,fake)

设置要生成的数字

number = '15533237079'

训练

可设置

jt.flags.use_cuda = 1

选择开启显卡加速训练

致谢

此项目代码参考了 jittor-gan。