Update README.md
本赛道将在数字图片数据集 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
需要生成的用户随机ID是:28323872825129
结果如图片result.png
安装要求: Jittor框架对环境要求如下: 操作系统: Ubuntu >= 16.04 或 Windows Subsystem of Linux(WSL) Python:版本 >= 3.7 C++编译器 (需要下列至少一个) g++ (>=5.4.0) clang (>=8.0) GPU 编译器(可选):nvcc >=10.0 GPU 加速库(可选):cudnn-dev (cudnn开发版, 推荐使用tar安装方法,参考链接) 如果您不希望手动配置环境,我们推荐使用 Docker 进行安装。 除此之外,您还可以使用 pip 安装和手动安装。
注意:目前Jittor通过WSL的方式在Windows操作系统上运行,WSL的安装方法请参考微软官网,WSL版本目前尚不支持CUDA。。
推荐使用 Docker 进行安装(https://cg.cs.tsinghua.edu.cn/jittor/tutorial/2020-5-15-00-00-docker/)
第五届计图人工智能挑战赛热身赛
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
第五届计图人工智能挑战赛
计图挑战热身赛
本赛道将在数字图片数据集 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
需要生成的用户随机ID是:28323872825129
结果如图片result.png
安装要求: Jittor框架对环境要求如下: 操作系统: Ubuntu >= 16.04 或 Windows Subsystem of Linux(WSL) Python:版本 >= 3.7 C++编译器 (需要下列至少一个) g++ (>=5.4.0) clang (>=8.0) GPU 编译器(可选):nvcc >=10.0 GPU 加速库(可选):cudnn-dev (cudnn开发版, 推荐使用tar安装方法,参考链接) 如果您不希望手动配置环境,我们推荐使用 Docker 进行安装。 除此之外,您还可以使用 pip 安装和手动安装。
注意:目前Jittor通过WSL的方式在Windows操作系统上运行,WSL的安装方法请参考微软官网,WSL版本目前尚不支持CUDA。。
推荐使用 Docker 进行安装(https://cg.cs.tsinghua.edu.cn/jittor/tutorial/2020-5-15-00-00-docker/)