You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
CY319198141 1a0cebb4c2 Update README.md 6 days ago
CGAN.py ADD file via upload 7 days ago
README.md Update README.md 6 days ago

README.md

CGAN

| 第二届计图挑战赛开源模板

Jittor 热身赛 b在数字图片数据集 MNIST 上训练 Conditional GAN(Conditional generative adversarial nets)模型

![主要结果]https://img-blog.csdnimg.cn/9730d1b761ce4804b9ee20961b97c038.png

简介

本项目包含了热身赛的代码实现。本项目的特点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 ,生成特定数字的图像。

安装

| 介绍基本的硬件需求、运行环境、依赖安装方法

本项目可在 2 张 2080 上运行,训练时间约为 6 小时。

运行环境

  • ubuntu 20.04 LTS
  • 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 https:abc.def.gh,下载后放入目录 <root>/weights/ 下。

训练

| 介绍模型训练的方法

单卡训练可运行以下命令:

bash scripts/train.sh

多卡训练可以运行以下命令:

bash scripts/train-multigpu.sh

推理

| 介绍模型推理、测试、或者评估的方法

生成测试集上的结果可以运行以下命令:


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