ADD file via upload
一个基于 Jittor 深度学习框架的 Conditional GAN (CGAN) 实现。
本项目实现了条件生成对抗网络（Conditional GAN），使用 Jittor 深度学习框架进行训练和推理。CGAN 在传统 GAN 的基础上增加了条件控制，能够根据指定标签生成特定类别的图像。
通过 pip 安装： pip install jittor
或从官网下载安装： 访问：https://cg.cs.tsinghua.edu.cn/jittor/download/
CGAN_jittor/ ├── CGAN.py # 主训练代码 ├── README.md # 项目说明 ├── .gitignore # Git忽略文件 ├── result.png # 生成的结果图像 ├── report.pdf # 实验报告 └── requirements.txt # 依赖包列表（可选）
python CGAN.py –n_epochs 100 –batch_size 64 –lr 0.0002
–n_epochs: 训练轮数 (默认: 100) –batch_size: 批大小 (默认: 64) –lr: 学习率 (默认: 0.0002) –latent_dim: 潜在空间维度 (默认: 100) –n_classes: 类别数量 (默认: 10，对应MNIST 0-9) –img_size: 图像尺寸 (默认: 32) –sample_interval: 采样间隔 (默认: 1000)
在代码中修改以下部分（可以改为任意数字序列）：
number = "2313983"
运行训练后，生成的图像将保存为 result.png，显示指定数字序列对应的生成图像。
欢迎提交 Issue 和 Pull Request 来改进本项目。
MIT License
A Jittor implementation of Conditional GAN (CGAN).
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN_jittor
一个基于 Jittor 深度学习框架的 Conditional GAN (CGAN) 实现。
项目简介
本项目实现了条件生成对抗网络（Conditional GAN），使用 Jittor 深度学习框架进行训练和推理。CGAN 在传统 GAN 的基础上增加了条件控制，能够根据指定标签生成特定类别的图像。
环境要求
安装 Jittor
通过 pip 安装： pip install jittor
或从官网下载安装： 访问：https://cg.cs.tsinghua.edu.cn/jittor/download/
项目结构
CGAN_jittor/ ├── CGAN.py # 主训练代码 ├── README.md # 项目说明 ├── .gitignore # Git忽略文件 ├── result.png # 生成的结果图像 ├── report.pdf # 实验报告 └── requirements.txt # 依赖包列表（可选）
使用方法
1. 训练模型
python CGAN.py –n_epochs 100 –batch_size 64 –lr 0.0002
2. 主要参数说明
–n_epochs: 训练轮数 (默认: 100) –batch_size: 批大小 (默认: 64) –lr: 学习率 (默认: 0.0002) –latent_dim: 潜在空间维度 (默认: 100) –n_classes: 类别数量 (默认: 10，对应MNIST 0-9) –img_size: 图像尺寸 (默认: 32) –sample_interval: 采样间隔 (默认: 1000)
3. 生成指定数字序列的图像
在代码中修改以下部分（可以改为任意数字序列）：
模型架构
生成器 (Generator)
判别器 (Discriminator)
训练过程
结果示例
运行训练后，生成的图像将保存为 result.png，显示指定数字序列对应的生成图像。
文件说明
开源信息
参考资源
贡献
欢迎提交 Issue 和 Pull Request 来改进本项目。
许可证
MIT License