计图挑战热身赛 CGAN 开源计图挑战热身赛 CGAN 代码
计图挑战热身赛 CGAN
开源计图挑战热身赛 CGAN 代码
本项目包含了第五届计图挑战赛热身赛 - Conditional GAN 的代码实现。
本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上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，生成指定数字序列对应的图片。
本项目在 NVIDIA GeForce RTX 4050 Laptop GPU 上训练，大约需要 30 分钟。
其中 jittor 的安装参考 Jittor 计图官网，Linux 用户可以使用如下的命令安装
sudo apt install python-dev libomp-dev python -m pip install jittor python -m jittor.test.test_example # 如果您电脑包含Nvidia显卡，检查cudnn加速库 python -m jittor.test.test_cudnn_op
修改 CGAN.py 中的
CGAN.py
number = "28430202835735" # 修改为你需要生成的数字
执行以下命令即可开始训练
python CGAN.py
运行完成后，number 对应的序列图片保存在 result.png 中。
result.png
A Jittor implementation of Conditional GAN (CGAN).
计图挑战热身赛 CGAN
简介
本项目包含了第五届计图挑战赛热身赛 - Conditional GAN 的代码实现。
本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上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，生成指定数字序列对应的图片。
安装
本项目在 NVIDIA GeForce RTX 4050 Laptop GPU 上训练，大约需要 30 分钟。
运行环境
其中 jittor 的安装参考 Jittor 计图官网，Linux 用户可以使用如下的命令安装
训练
修改
CGAN.py中的执行以下命令即可开始训练
运行完成后，number 对应的序列图片保存在
result.png中。