CGAN_jittor

功能：

• 训练了一种Conditional GAN，利用MNIST数据集，通过输入数字，输出手写数字图片。

原理：

• Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型。然而，GAN对于要生成的图片缺少控制。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。通过在生成器generator和判别器discriminator中添加相同的额外信息y，GAN就可以扩展为一个conditional模型。y可以是任何形式的辅助信息，例如类别标签或者其他形式的数据。我们可以通过将y作为额外输入层，添加到生成器和判别器来完成条件控制。在生成器generator中，除了y之外，还额外输入随机一维噪声z，为结果生成提供更多灵活性。

使用方式：

• 下载代码CGAN.py，安装jittor，利用命令行运行程序，可以在程序目录下得到训练后输出的图片。jittor安装方法可以参考官网 https://cg.cs.tsinghua.edu.cn/jittor/download/ 教程的安装方法。
• 本人在利用docker toolbox安装后，仍然需要将python安装jittor，输入命令 python -m pip install jittor。安装过程将会消耗比较大的空间，默认安装在c盘，请在安装前预留好足够空间。

未来工作：

• 未来需要对于GAN模型中利用jittor的方法进行更深入的研究与使用。