CGAN_jittor

项目描述

本项目使用条件生成对抗网络（CGAN）生成手写数字图像。CGAN在MNIST数据集上进行训练，并根据输入的标签生成对应类别的手写数字图像。项目使用Jittor框架进行实现。

安装依赖

参考官方文档进行安装。

运行步骤

1. 训练模型

运行以下命令进行模型训练：

python CGAN.py --n_epochs 100 --batch_size 64 --lr 0.0002 --b1 0.5 --b2 0.999 --n_cpu 8 --latent_dim 100 --n_classes 10 --img_size 32 --channels 1 --sample_interval 1000

2. 生成图像

训练完成后，模型将保存为generator_last.pkl和discriminator_last.pkl。可以通过以下命令生成特定标签的图像：

python CGAN.py

生成的图像将保存为result.png。

参数说明

• --n_epochs: 训练的总epoch数
• --batch_size: 每个batch的大小
• --lr: Adam优化器的学习率
• --b1: Adam优化器的一阶动量衰减
• --b2: Adam优化器的二阶动量衰减
• --n_cpu: 用于数据加载的CPU线程数
• --latent_dim: 潜在空间的维度
• --n_classes: 数据集的类别数
• --img_size: 图像的尺寸
• --channels: 图像的通道数
• --sample_interval: 图像采样间隔

项目结构

• CGAN.py: 主代码文件，包括模型定义、训练和生成图像的代码。

许可证

本项目使用MIT许可证。