CGAN (Conditional Generative Adversarial Network) 实现

这是一个基于Jittor框架实现的Conditional GAN (CGAN)项目，用于生成手写数字图像。CGAN通过引入条件信息（如类别标签）来控制生成器的输出。

功能概述

1. 模型架构：
   • **生成器(Generator)**：接收随机噪声和类别标签，生成指定类别的数字图像
   • **判别器(Discriminator)**：判断输入图像是真实的还是生成的，并考虑类别信息
2. 训练过程：
   • 使用MNIST手写数字数据集
   • 对抗训练方式同时优化生成器和判别器
   • 每训练一定批次后保存生成的样本图片
3. 生成功能：
   • 可以生成指定数字序列的图像

使用说明

1. 环境要求

• Python 3.6+
• Jittor框架
• NumPy
• Pillow (PIL)

安装依赖：

pip install jittor numpy pillow

2. 模型训练

python CGAN.py

可以通过命令行参数调整训练配置,修改代码末尾的number变量可以生成指定数字序列的图像

程序会定期输出训练进度和损失值，格式如下：

[Epoch x/y] [Batch x/y] [D loss: z] [G loss: z]

同时会在本目录下保存生成的样本图片

3. 注意事项

（1）首次运行会自动下载MNIST数据集

（2）训练过程中会定期保存模型检查点

（3）生成的图像会保存在当前目录下

（4）如需使用GPU加速，请确保已安装CUDA版本的Jittor