report
学号:2312506
姓名:杨宇翔
gitlink 链接:https://gitlink.org.cn/SheepSpaceFly/4th_Jittor_AI_Challenge_Warm-up
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。
本赛题将会提供数字图片数据集MNIST,参赛选手需要训练一个将随机噪声和类别标签映射为数字图片的Conditiona1GAN模型,并生成下方给定用户随机ID对应的数字图片结果。
conda create -n jittor python=3.8 conda activate jittor pip install pywin32 pip install jittor==1.3.7.5 python -m jittor.test.test_core
就是说这环境怎么这么难配,拼尽全力无法战胜,全是编译错误。上面是从别人那里偷来的 windows 上的环境,
可以看到随着epoch的进行,生成的结果越来越好。
计图小作业报告
学号:2312506
姓名:杨宇翔
gitlink 链接:https://gitlink.org.cn/SheepSpaceFly/4th_Jittor_AI_Challenge_Warm-up
一、赛题要求
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。
本赛题将会提供数字图片数据集MNIST,参赛选手需要训练一个将随机噪声和类别标签映射为数字图片的Conditiona1GAN模型,并生成下方给定用户随机ID对应的数字图片结果。
二、环境配置
就是说这环境怎么这么难配,拼尽全力无法战胜,全是编译错误。上面是从别人那里偷来的 windows 上的环境,
能跑。
三、结果
四、中间生成结果
可以看到随着epoch的进行,生成的结果越来越好。