jittor-warmup_match
| 第三届计图挑战赛开源文档
热身赛题介绍 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。
| 简单介绍项目背景、项目特点
本项目包含了第三届计图挑战赛计图 - 草图生成风景比赛的代码实现。 本项目的特点是:采用了 XX 方法对 YY 处理,取得了 ZZ 的效果。
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目可在 1 张 GPU :
NVIDIA GeForce RTX 2080 Ti
驱动程序版本: 31.0.15.3623
驱动程序日期: 2023/6/8
DirectX 版本: 12 (FL 12.1)
物理位置: PCI 总线 1、设备 0、功能 0
利用率 1%
专用 GPU 内存 1.7/11.0 GB
共享 GPU 内存 0.1/32.0 GB
GPU 内存 1.8/43.0 GB ,
运行训练时间约为 8 小时。
- Windows 10
- python 3.7.6
- pytorch 1.9.0 py3.7_cuda10.2_cudnn7_0
- torchvision 0.10.0 py37_cu102 pytorch
- opencv-python 4.5.3.56 pypi_0 pypi
执行以下命令安装 python 依赖
pip install -r requirements.txt
| 介绍模型训练的方法
python CGAN.py
| 对参考的论文、开源库予以致谢,可选
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。
点击项目的“设置”,在Description一栏中添加项目描述,需要包含“jittor”字样。同时在Topics中需要添加jittor。