CGAN_jittor

本项目是一个使用”计图(Jittor)“深度学习框架编写的GAN模型。该模型其在数字图片数据集 MNIST 上训练 Conditional GAN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。

使用

将pub/CGAN.py中202行的number的值设为想要GAN生成的数字，然后执行python CGAN.py即可。可以通过下面的命令行参数来设定模型的超参数：

# CGAN.py
parser = argparse.ArgumentParser()
parser.add_argument('--n_epochs', type=int, default=100, help='number of epochs of training')
parser.add_argument('--batch_size', type=int, default=64, help='size of the batches')
parser.add_argument('--lr', type=float, default=0.0002, help='adam: learning rate')
parser.add_argument('--b1', type=float, default=0.5, help='adam: decay of first order momentum of gradient')
parser.add_argument('--b2', type=float, default=0.999, help='adam: decay of first order momentum of gradient')
parser.add_argument('--n_cpu', type=int, default=8, help='number of cpu threads to use during batch generation')
parser.add_argument('--latent_dim', type=int, default=100, help='dimensionality of the latent space')
parser.add_argument('--n_classes', type=int, default=10, help='number of classes for dataset')
parser.add_argument('--img_size', type=int, default=32, help='size of each image dimension')
parser.add_argument('--channels', type=int, default=1, help='number of image channels')
parser.add_argument('--sample_interval', type=int, default=1000, help='interval between image sampling')
opt = parser.parse_args()

结果

我生成的用户随机ID为 20715862066668，结果图为pub/result.png：

result

链接

该项目几乎所有的代码都来自第四届计图人工智能挑战赛热身赛赛题中提供的示例代码。