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

https://cg.cs.tsinghua.edu.cn/jittor/assets/build/DockerToolbox-19.03.1.exe 下载DockerToolbox的Windows安装程序，遵循指令安装即可。 安装完成后，启动docker quick start terminal 自动下载boot2docker镜像

在power shell里运行如下命令 docker run jittor/jittor python3.7 -m jittor.test.test_example

启动一个notebook serve从命令行里面运行如下命令 docker run -it -p 8888:8888 jittor/jittor 将输出的链接地址（http://192.168.99.100:8888/?token=xxxx）复制到浏览器打开

选择上传CGAN.py文件

运行

运行环境

• windows 10家庭版
• python >= 3.7
• jittor >= 1.3.0 本项目可在 1 张 RTX 2060 上运行，训练时间约为 30 min。

  运行命令

  在打开的jupyter链接中使用如下命令 %run CGAN.py 待执行结束之后有

  安装依赖

  docker tool 安装jittor

预训练模型

无

训练

｜ 介绍模型训练的方法 运行所给模型

推理

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。

注意事项

点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。