push
本项目包含了第二届计图挑战赛热身赛的代码实现。本项目的特点是：在数字图片数据集 MNIST 上训练 Conditional GAN，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。
执行以下命令安装 python 依赖
pip install -r requirements.txt
同时执行以下命令安装 gittor
sudo apt install python3.7-dev libomp-dev python3.7 -m pip install jittor python3.7 -m jittor.test.test_example
测试指令：
python3 CGAN.py
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。
本项目包含了第二届计图挑战赛热身赛的代码实现。本项目的特点是：在数字图片数据集 MNIST 上训练 Conditional GAN，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。利用了jittor的框架，进行了代码的构建
Jittor 热身赛 Conditional GAN
简介
本项目包含了第二届计图挑战赛热身赛的代码实现。本项目的特点是：在数字图片数据集 MNIST 上训练 Conditional GAN，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。
安装
运行环境
安装依赖
执行以下命令安装 python 依赖
同时执行以下命令安装 gittor
测试使用
测试指令：
致谢
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。