CGAN_jittor

简述

CGAN_jittor 是 CGAN 的 jittor 实现。

目录

• 运行环境
• 使用说明
• 项目说明
• 贡献者

运行环境

环境要求

• Python: 版本 >= 3.7
• Jittor

Jittor环境配置

安装Jittor的环境依赖如下：

• Python：版本 >= 3.7
• C++编译器 （需要下列至少一个）
  • g++ （>=5.4.0 for linux）
  • clang （>=8.0 for mac）
• GPU 编译器（可选）：nvcc >=10.0
• GPU 加速库（可选）：cudnn-dev

windows环境下的安装命令：

# 检查python版本大于等于3.8
python --version
python -m pip install jittor

如果能正确运行测试程序，表明安装成功

python -m jittor.test.test_core
python -m jittor.test.test_example
python -m jittor.test.test_cudnn_op

使用说明

在项目目录下运行命令行程序，执行：

py CGAN.py

项目说明

功能

在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。

输出

• result.png:给定数字的CGAN生成图像

实现原理

以下是您提供的文本转换为条理清晰的 markdown 格式后的内容：

生成式对抗网络（GAN, Generative Adversarial Networks ）一般由生成器（Generator）和判别器（Discriminator）两部分组成。分为两个部分进行训练。

• Discriminator：

• Generator：

Conditional GAN在GAN的基础上加上了对输出的控制。

• Discriminator：

• Generator：

贡献者

lyh NKU