CGAN

项目简介

本项目在数字图片数据集 MNIST 上训练 Conditional GAN（条件生成对抗网络）模型。通过输入随机噪声向量 z 和条件信息 y（类别标签），生成特定数字的手写体图像。

任务目标：

• 训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型
• 根据给定的数字序列生成对应的手写数字图像
• 使用 Jittor 深度学习框架实现模型训练和推理

技术特点：

• 基于条件生成对抗网络（CGAN）架构
• 支持指定数字类别的图像生成
• 使用 MNIST 数据集进行训练
• 支持 GPU 加速训练

运行环境

python 3.8
argon2-cffi         20.1.0
astunparse          1.6.3
async-generator     1.10
attrs               20.3.0
backcall            0.2.0
bleach              3.3.0
cffi                1.14.5
cycler              0.10.0
decorator           5.0.6
defusedxml          0.7.1
entrypoints         0.3
ipykernel           5.5.3
ipython             7.22.0
ipython-genutils    0.2.0
jedi                0.18.0
Jinja2              2.11.3
jittor              1.2.2.59
jsonschema          3.2.0
jupyter-client      6.1.13
jupyter-core        4.7.1
jupyterlab-pygments 0.1.2
kiwisolver          1.3.1
MarkupSafe          1.1.1
matplotlib          3.4.1
mistune             0.8.4
nbclient            0.5.3
nbconvert           6.0.7
nbformat            5.1.3
nest-asyncio        1.5.1
notebook            6.3.0
numpy               1.20.2
packaging           20.9
pandocfilters       1.4.3
parso               0.8.2
pexpect             4.8.0
pickleshare         0.7.5
Pillow              8.2.0
pip                 20.0.2
prometheus-client   0.10.1
prompt-toolkit      3.0.18
ptyprocess          0.7.0
pybind11            2.6.2
pycparser           2.20
Pygments            2.8.1
pyparsing           2.4.7
pyrsistent          0.17.3
python-dateutil     2.8.1
pyzmq               22.0.3
Send2Trash          1.5.0
setuptools          45.2.0
six                 1.15.0
terminado           0.9.4
testpath            0.4.4
tornado             6.1
tqdm                4.60.0
traitlets           5.0.5
wcwidth             0.2.5
webencodings        0.5.1
wheel               0.34.2

使用方法

cd /path/to/project/
docker run -it --gpus all -v /path/to/project:/workspace jittor-cuda-12-2 bash
cd /workspace
python3.8 -m CGAN.py

部分可配置参数如下：

--n_epochs: 训练轮数，默认100
--batch_size: 批次大小，默认64
--lr: Adam优化器学习率，默认0.0002
--b1: Adam优化器一阶动量衰减率，默认0.5
--b2: Adam优化器二阶动量衰减率，默认0.999
--latent_dim: 潜在空间维度，默认100
--n_classes: 数据集类别数，默认10
--img_size: 图像尺寸，默认32x32
--channels: 图像通道数，默认1（灰度图）
--sample_interval: 图像采样间隔，默认1000

模型简介

生成器（Generator）

输入：

• noise: 随机噪声向量，维度为 [batch_size, latent_dim]（默认100维）
• labels: 类别标签，维度为 [batch_size]，取值范围0-9

网络结构：

• 标签嵌入层：将类别标签映射为10维向量
• 全连接网络：输入维度110（100维噪声+10维标签），通过多层全连接层逐步扩展
  • 110 → 128 → 256 → 512 → 1024 → 1024（图像像素数）
• 激活函数：LeakyReLU（除输出层）+ Tanh（输出层）
• 批归一化：应用于隐藏层

输出：

• 生成的图像，维度为 [batch_size, 1, 32, 32]，像素值范围[-1, 1]

判别器（Discriminator）

输入：

• img: 图像数据，维度为 [batch_size, 1, 32, 32]
• labels: 对应的类别标签，维度为 [batch_size]

网络结构：

• 标签嵌入层：将类别标签映射为10维向量
• 图像展平：将32x32图像展平为1024维向量
• 全连接网络：输入维度1034（1024维图像+10维标签）
  • 1034 → 512 → 512 → 512 → 1
• 激活函数：LeakyReLU
• 正则化：Dropout（0.4）应用于隐藏层

输出：

• 真假判别结果，维度为 [batch_size, 1]，表示输入图像为真实图像的概率

损失函数

• 对抗损失: 均方误差损失（MSE Loss）
• 生成器损失: 希望判别器将生成图像判定为真实图像
• 判别器损失: 正确区分真实图像和生成图像的平均损失

项目结构

.
├── CGAN.py # 主代码文件
├── Dockerfile # 自定义 Dockerfile
├── README.md # README 文件
├── result.png # 生成的数字序列图像（最终结果）
├── generator_last.pkl # 训练好的生成器模型
└── discriminator_last.pkl # 训练好的判别器模型

参考资料

Jittor文档

感谢王潇策同学提供的镜像包