| 第四届计图人工智能挑战赛开源

Jittor 挑战热身赛 baseline

| 标题名称包含赛题、方法

主要结果

｜展示方法的流程特点或者主要结果等

简介

| 简单介绍项目背景、项目特点

本项目包含了第四届计图人工智能挑战赛 - 热身赛的代码实现。本项目的特点是：采用了 Conditional GAN , 在MNIST数据集上训练模型，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

| 介绍基本的硬件需求、运行环境、依赖安装方法

本项目可在 1 张 MX450 上运行，训练时间约为 1.5 小时。

运行环境

windows10
python >= 3.7
jittor >= 1.3.0

安装依赖

执行以下命令安装 python 依赖


python --version
conda install pywin32
python -m pip install jittor
python -m jittor.test.test_core
python -m jittor.test.test_example
python -m jittor.test.test_cudnn_op

预训练模型

discriminator_last.pkl 与generator_last.pkl

训练

｜介绍模型训练的方法

可运行以下命令：

python3 CGAN.py

推理

｜介绍模型推理、测试、或者评估的方法

生成测试集上的结果可以运行以下命令：

python3 CGAN.py

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。

# jittor_ANDY_CGAN_jittor