CGAN_jittor

Project intro: A Jittor implementation of Conditional GAN (CGAN).

Language / Framework: Jittor

本项目为「第三届计图人工智能挑战赛 · 热身赛」提供一个可运行的 Conditional GAN 基线：输入随机噪声 $z$ 与类别标签 $y$，生成指定数字（MNIST）的图片，并输出最终拼接图 result.png 供评测。

Features

• Conditional GAN（MLP 版本）生成 32×32 灰度数字图像
• 训练过程中可按间隔保存采样图（默认在根目录生成 *.png）
• 训练结束保存权重：generator_last.pkl、discriminator_last.pkl
• 根据指定数字序列生成最终结果图：result.png

Files

• CGAN.py：训练 + 生成脚本（入口）
• result.png：最终按数字序列生成的拼接结果图
• generator_last.pkl / discriminator_last.pkl：训练得到的权重
• docs/REPORT.md：一页简要报告（含结果与分析）

Quickstart

1. 安装依赖（建议使用 Python 3.10+ 的虚拟环境）

• 依赖：jittor、numpy、pillow
• Ubuntu 若遇到 python3.x-config not found，需安装 python3.x-dev

2. 训练并生成结果

• 直接运行：

  • python CGAN.py

• 指定生成的数字序列（比赛随机ID）：

  • python CGAN.py --number 2314035

常用参数：

• --n_epochs：训练轮数（默认 100）
• --batch_size：批大小（默认 64）
• --sample_interval：采样保存间隔（默认 1000）

Notes

• 若你希望启用 CUDA，请在 CGAN.py 中将 jt.flags.use_cuda 调整为 1（并确保本机 CUDA/驱动匹配）。
• 训练过程会生成大量 *.png 采样图，已在 .gitignore 中默认忽略（保留 result.png 与 assets/）。

License

MIT