基于 Jittor 实现的条件生成对抗网络 (Conditional GAN)

本项目使用 Jittor 深度学习框架实现了条件生成对抗网络 (Conditional GAN)，可以在带有条件标签的数据集上进行训练，并生成符合条件的高质量图像。

---

功能特点

• 基于 Jittor 框架实现条件生成对抗网络。
• 支持使用至少一种通用图像库进行数据集管理。
• 确保训练集与测试集互不重叠，避免数据泄漏。
• 记录生成器 (G) 和判别器 (D) 的损失值，用于训练过程分析。
• 生成的图像及损失曲线保存到本地文件夹，便于后续可视化分析。

---

运行环境

必要依赖

1. Jittor 框架
   bash pip install jittor
2. Python环境 推荐版本： >=3.8

数据集

训练集

包含带有标签的图像数据集（MNIST 手写数字数据集）。每张图像需对应一个分类标签，用于条件生成。

测试集

与训练集格式一致，但数据内容不重复。

运行步骤

1.克隆代码库 git clone https://gitlink.org.cn/Pork/CGAN.git cd CGAN 2.运行代码 python CGAN.py 3.损失分析 训练过程中会记录生成器 (G) 和判别器 (D) 的损失值，日志输出示例如下： [Epoch 99/100] [Batch 0/938] [D loss: 0.094867] [G loss: 0.552631]