CGAN_Jittor

一、环境配置

首先， 使用 git clone https://gitlink.org.cn/JiaMingShen/CGAN.git 将项目克隆到本地。

在 Linux(Ubuntu) 环境下，使用 conda 创建虚拟环境，并安装相应的包。

conda create -n cgan_jittor python=3.9
conda activate cgan_jittor
sudo apt install python3.9-dev # 这一步根据使用的 python 版本安装对应的 python-dev
sudo apt install libomp-dev
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

最后，通过 python -m jittor.test.test_example 来判断 jittor 是否安装成功。如果没有报错，即说明安装成功。

二、项目运行

在配置好环境后，可以选择运行 CGAN.py 或 create.py 来生成手写数字，其中， CGAN.py 包含训练过程，create.py 直接使用训练好的 discriminator_last.pkl 和 generator_last.pkl 生成手写数字图片（result.png）。

想要生成指定的字符串只需要更改两个 Python 文件中的 number 变量，将其设置为想要生成的数字串。

python CGAN.py --n_epochs <epochs> --batch_size <batch_size> --lr <learning_rate> --b1 <beta1> --b2 <beta2> --n_cpu <number_of_cpu> --latent_dim <latent_dim> --n_classes <n_classes> --img_size <img_size> --channels <img_channels> --sample_interval <sample_interval>

–n_epochs：训练轮次，默认为 100

–batch_size：每一个 batch 的大小，默认为 50

–lr：Adam 的学习率，默认为 0.001

–b1：Adam 一阶矩估计的指数衰减率，默认为 0.5

–b2：Adam 二阶矩估计的指数衰减率，默认为 0.999

–n_cpu：CPU 线程个数，默认为 8

–latent_dim：原始噪声的维度，默认为 100

–n_classes：数据集分为几个类，默认为 10（10个数字）

–img_size：每张图像的大小（边长），默认为 32

–channels：图像通道数，默认为 1

–sample_interval：采样间隔，默认为 1000

python create.py

在运行 create.py 是需确保 discriminator_last.pkl 和 generator_last.pkl 与 create.py 在同一个目录下。

三、参考

更多有关使用 Jittor 实现 CGAN 的内容可参考 https://cg.cs.tsinghua.edu.cn/jittor/tutorial/2020-5-13-22-47-cgan/。