Jittor 第三届计图挑战赛热身赛 CGAN

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。

简介

本项目包含了第三届计图挑战赛热身赛 - 手写数字生成比赛的代码实现。本项目的特点是：要训练一个将随机噪声和类别标签映射为数字图片的Conditiona1GAN模型，并生成比赛官方给定用户随机ID对应的数字图片结果。

安装

本项目可在 1 张 4000 上运行。

运行环境

• windows11
• 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预训练模型，提取码：0jeg，下载后放入目录 ./weights/ 下。

数据预处理

无

训练

单卡训练可运行以下命令：

python CGAN.py

推理

把./CGAN.py文件里面的“模型训练”部分注释掉，再运行以下命令：

python CGAN.py

致谢

此项目基于论文CGAN: Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。