cgan-jittor

CGAN 手写数字生成（Jittor 实现）

本项目基于 Jittor 深度学习框架，实现了一个 条件生成对抗网络（Conditional GAN, CGAN），在 MNIST 手写数字数据集 上进行训练，可以根据指定的数字类别生成对应的手写数字图像，并支持根据给定的数字序列生成结果图片。

项目简介

本项目实现了一个 Conditional GAN（条件生成对抗网络），通过在生成器和判别器中引入类别嵌入（Embedding），使模型能够根据指定的数字标签（0–9）生成对应的手写数字图像。

模型在 MNIST 数据集上进行训练，训练完成后，可以输入一串数字（如 "2213230"），模型会生成对应顺序的手写数字图片，并保存为 result.png。

---

项目功能

• 使用 Jittor 从零实现 CGAN 网络结构
• 支持条件生成（根据数字类别生成图像）
• 支持 CPU 训练（可扩展为 CUDA）
• 训练过程中自动保存模型参数
• 根据指定数字序列生成结果图片
• 固定随机种子，保证实验可复现性

---

项目结构

. ├── CGAN.py # CGAN 训练与生成主程序 ├── generator_last.pkl # 训练得到的生成器模型 ├── discriminator_last.pkl # 训练得到的判别器模型 ├── result.png # 根据指定数字序列生成的图片 ├── README.md # 项目说明文档 ├── .gitignore # Git 忽略文件

---

运行环境

• Python = 3.12.3
• Jittor
  本项目默认使用 CPU 训练，如需使用 GPU，可将代码中的 jt.flags.use_cuda = 0 改为 jt.flags.use_cuda = 1

---