Jittor 挑战热身赛 Conditional GAN

简介

本项目包含了第二届计图挑战赛计图 - 挑战热身赛的代码实现。本项目的特点是：采用了 Conditional GAN 方法在数字图片数据集 MNIST 上训练，取得了 99.52% 准确率的效果。

安装

本项目可在 CPU 和 GPU 上运行，使用 i7-12700H 训练时间约为 1 小时。

运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0

安装依赖

推荐使用 Docker 运行环境，可参考 Jittor 文档 安装 Docker 环境。

# linux CPU only  
docker run -it --network host jittor/jittor  
# linux CPU and CUDA  
docker run -it --network host --gpus all jittor/jittor-cuda  
# mac/windows  
docker run -it -p 8888:8888 jittor/jittor  

训练

训练可运行以下命令：

python3.7 CGAN.py

推理

上述训练同时可得到结果，最终图片为 result.png。

致谢

此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。