first commit
本项目包含了第二届计图挑战赛计图 - 条件手写数字生成比赛的代码实现。本项目的特点是：采用了 CGAN的方法对 Minist手写数字集进行处理，能够给定任意数字生成对应的图像，比如生成手机号“15080630537”的图像。
本项目可在 1 张 Tesla A100 GPU 上运行，训练时间约为 2 小时。
执行以下命令安装 https://github.com/Jittor/gan-jittor项目下的python 依赖包
pip install -r requirements.txt
预训练模型模型下载地址为https://www.gitlink.org.cn/zsc15/CGAN-minist，下载后放入主目录下即可。
｜ 介绍模型训练的方法
单卡训练可运行以下命令：
python CGAN.py
直接在训练过程中得到结果
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计图jittor - 条件手写数字生成比赛的代码实现。
CGAN-minist
Jittor 条件手写数字生成比赛 baseline
简介
本项目包含了第二届计图挑战赛计图 - 条件手写数字生成比赛的代码实现。本项目的特点是：采用了 CGAN的方法对 Minist手写数字集进行处理，能够给定任意数字生成对应的图像，比如生成手机号“15080630537”的图像。
安装
本项目可在 1 张 Tesla A100 GPU 上运行，训练时间约为 2 小时。
运行环境
安装依赖
执行以下命令安装 https://github.com/Jittor/gan-jittor项目下的python 依赖包
预训练模型
预训练模型模型下载地址为https://www.gitlink.org.cn/zsc15/CGAN-minist，下载后放入主目录下即可。
训练
｜ 介绍模型训练的方法
单卡训练可运行以下命令：
推理
直接在训练过程中得到结果
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。