update imgs
.markdownStyle()
Mappable
mutating func mapping(map: Map)
init?(map: Map)
StaticMappable
static func objectForMapping(map: Map) -> BaseMappable?
ImmutableMappable
init(map: Map) throws
gbinder
geographiclib-cython-bindings
Data
.deflate()
.inflate()
.gzip()
.gunzip()
.zip()
.unzip()
3.7.0
3.8.0
3.6.0
3.5.0
3.4.0
3.3.0
3.2.0
3.1.0
3.0.0
2.0.X
ProxyCommand
EFIconFontCaseIterableProtocol
model_runner.py
bmodel
client_no_context_takeover
server_no_context_takeover
client_max_window_bits
server_max_window_bits
基于Jittor框架实现CGAN。CGAN的核心思路是将噪声与标签一起投入生成器，将真实图片与标签一起投入判别器，从而使生成器可以生成指定类别的图片。由于MLP与CNN都可以对图像信息进行提取，所以分别基于二者实现CGAN（基于CNN实现的CGAN也可以看作是DCGAN的变种）。实现的两种模型分别在MNIST与CIFAR10上进行训练和测试。
under common version:
common version
under platform version:
platform version
python 3.8.12
安装Jittor
# 检查python版本大于等于3.8 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
numpy 1.22.3 一些数学操作
tqdm 4.63.0 进度条
on MNIST
on CIFAR10
Copyright © 2022 Hapulus. This project is MIT licensed.
A Jittor implementation of Conditional GAN (CGAN), based on MLP and CNN(DCGAN), testing on two datasets(MNIST, CIFAR10)
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN _ jittor
.markdownStyle()MappableProtocolmutating func mapping(map: Map)init?(map: Map)StaticMappableProtocolstatic func objectForMapping(map: Map) -> BaseMappable?ImmutableMappableProtocolinit(map: Map) throwsmutating func mapping(map: Map)gbindergeographiclib-cython-bindingsrepo thanks to @megasergDatatype.deflate()and.inflate().gzip()and.gunzip().zip()and.unzip()3.7.0to3.8.03.6.0to3.7.03.5.0to3.6.03.4.0to3.5.03.3.0to3.4.03.2.0to3.3.03.1.0to3.2.03.0.0to3.1.02.0.Xto3.0.0ProxyCommand?EFIconFontCaseIterableProtocolmodel_runner.pybmodel模型工具client_no_context_takeoverandserver_no_context_takeoverclient_max_window_bitsandserver_max_window_bits⛵ 概述
基于Jittor框架实现CGAN。CGAN的核心思路是将噪声与标签一起投入生成器，将真实图片与标签一起投入判别器，从而使生成器可以生成指定类别的图片。由于MLP与CNN都可以对图像信息进行提取，所以分别基于二者实现CGAN（基于CNN实现的CGAN也可以看作是DCGAN的变种）。实现的两种模型分别在MNIST与CIFAR10上进行训练和测试。
🌠 文件结构
under
common version:under
platform version:🌆 环境配置
python 3.8.12
安装Jittor
numpy 1.22.3 一些数学操作
tqdm 4.63.0 进度条
📚 生成结果
📐 评价指标
on MNIST
on CIFAR10
🔗 参考
Copyright © 2022 Hapulus. This project is MIT licensed.