minist_generate_pic

Jittor baseline

MNIST分类器进行生成图像

展示方法的流程特点或者主要结果等 gernerator + discriminator

简介

简单介绍项目背景、项目特点

本项目包含了第二届计图挑战赛计图 - 训练一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成注册时绑定的手机号

安装

介绍基本的硬件需求、运行环境、依赖安装方法

运行环境

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

安装依赖

执行以下命令安装 python 依赖

pip install -r requirements.txt

预训练模型

预训练模型模型下载地址为 https://www.gitlink.org.cn/gitlinknew/minist_generate_pic/tree/master/

训练

生成数据标签，valid=1表示真实的图片，fake=0表示生成的图片 生成真实图片及其类别 生成训练生成器 生成采样随机噪声和数字类别作为生成器输入 生成一组图片 生成损失函数衡量生成器欺骗判别器的能力，即希望判别器将生成图片分类为valid 生成训练判别器 生成总的判别器损失

单卡训练可运行以下命令：

bash scripts/train.sh

多卡训练可以运行以下命令：

bash scripts/train-multigpu.sh

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：

bash scripts/test.sh

致谢

| https://github.com/Jittor/gan-jittor