热身赛: CGAN

生成结果

CGAN DCGAN

简介

本项目包含了第五届计图挑战赛热身赛的代码实现。

本项目的特点是：

• 实现了 模板提供的baseline CGAN 方法对 MNIST 处理，取得了 92% accuracy的效果。
• 修改网络架构，引进卷积层，效仿DCGAN完成了改进，中间训练过程的生成效果比CGAN优秀。

安装

本项目可在 1 张 1050 上运行，训练时间约为 1 小时。

运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0

安装依赖

执行以下命令安装 python 依赖

pip install numpy==1.26.3
pip install tqdm
pip install pillow

预训练模型

因为热身赛任务较为简单，Conditional GAN网络架构并没有设置太复杂，预训练模型模型占用空间小，因此将预训练模型的pkl放置在对应的文件夹下(/DCGAN, /simple_CGAN)

数据预处理

无，jittor相关库会自动对MNIST数据集进行预处理

训练与结果生成

训练可运行以下命令：

python CGAN.py

因为将要输出的数字串硬编码在.py文件中，执行完之后会自动输出GAN根据数字串生成的图片结果，名称为result.png

致谢

此项目基于论文 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 改写实现，代码主要架构由计图挑战赛提供