A Jittor implementation of Conditional GAN (CGAN)

简介

本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN (CGAN) 模型。模型中包含一个生成器 generator_last.pkl 和一个判别器 discriminator_last.pkl。生成器将随机噪声和类别标签映射为数字图片，判别器尝试鉴别生成器生成的图片和真实的图片。训练过程中，生成器和判别器相互对抗，最终生成器可以生成逼真的数字图片。

项目目录结构如下：

.
├── CGAN.py # CGAN 模型的定义和训练程序
├── generator_last.pkl # 训练好的生成器模型
├── discriminator_last.pkl # 训练好的判别器模型
├── result.png # 训练模型生成的数字图片效果
├── README.md

使用方法

1. 使用命令 python CGAN.py 即可开始训练 CGAN 模型。

2. 使用命令 python CGAN.py --n_epochs 0 即可测试训练好的 CGAN 模型，生成数字图片。

   修改代码中如下部分，即可修改生成图片的内容：

   number = "13932181392041"

环境依赖

Jittor 1.3.7