jittor-纺大人工智能小队-热身赛

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。

简介

| 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。

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 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。

运行环境

• 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

安装依赖

执行以下命令安装 python 依赖

pip install -r requirements.txt

训练

｜ 介绍模型训练的方法

python CGAN.py

致谢

| 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。

注意事项

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。