第三届Jittor挑战赛及计算机图形学课程PA3

1. Introduction

这是计算机图形学课程第三次作业，也是第三届计图挑战赛的热身赛。该仓库用于完成相关代码的开源工作。本仓库仅有一个代码文件CGAN.py，该代码设计了一个简单的CGAN网络，基于MNIST数据集可用于生成手写数字图片。

2. Dependencies

本次作业需要使用Jittor框架，请确保安装了Jittor框架：

环境条件要求：
操作系统: Ubuntu >= 16.04 或 Windows Subsystem of Linux（WSL）
Python：版本 >= 3.7
C++编译器 （需要下列至少一个）
g++ （>=5.4.0）
clang （>=8.0）
GPU 编译器（可选）：nvcc >=10.0
GPU 加速库（可选）：cudnn-dev（或cudnn）

下面提供两种安装方式：使用pip安装或手动安装：

Pip安装

sudo apt install python3.7-dev libomp-dev
python3.7 -m pip install jittor
python3.7 -m jittor.test.test_example ## 验证安装

手动安装

1. 安装编译器

# g++
sudo apt install g++ build-essential libomp-dev

# OR clang++-8
wget -O - https://raw.githubusercontent.com/Jittor/jittor/master/script/install_llvm.sh > /tmp/llvm.sh
bash /tmp/llvm.sh 8

2. 安装python

sudo apt install python3.7 python3.7-dev

3. 运行Jittor

git clone https://github.com/Jittor/jittor.git
sudo pip3.7 install ./jittor
export cc_path="g++"
## or 
export cc_path="clang++-8" 
## if you use clang++

# run a simple test
python3.7 -m jittor.test.test_example

4. 启用CUDA加速(可选)

export nvcc_path="/usr/local/cuda/bin/nvcc" 
# run a simple cuda test
python3.7 -m jittor.test.test_cuda 

若通过测试，则可以在代码中添加如下内容以启用CUDA：

import jittor as jt
jt.flags.use_cuda = 1

5. 测试训练 您可以通过运行Resnet18训练测试来检查Jittor的完整性。

python3.7 -m jittor.test.test_resnet

3. Usage

代码会自动下载MNIST数据集，仅运行

python CGAN.py

即可开始训练，你可以实时查看训练结果。