CGAN with Jittor

介绍

这个项目是使用Jittor实现的条件生成对抗网络（Conditional Generative Adversarial Networks, CGAN）。CGAN是一种生成对抗网络，它通过在生成器和判别器的训练过程中引入额外的条件，使得生成的样本可以更加精确地控制。这个项目的目标是在MNIST数据集上训练一个CGAN模型，以生成手写数字图像。

安装指南

环境要求

• Python 3.7 或更高版本
• Jittor
• NumPy
• PIL

安装步骤

1. 克隆仓库到本地

   git clone https://www.gitlink.org.cn/ch15326059895/jittor-CodeSculptors-CGAN

使用方法

训练模型

运行以下命令以开始训练过程：

python CGAN.py --n_epochs 100 --batch_size 64 --lr 0.0002

你可以通过调整命令行参数来自定义训练过程，包括训练周期(--n_epochs)、批大小(--batch_size)、学习率(--lr)等。

生成图像

训练完成后，模型会自动保存，并可以使用保存的模型来生成新的图像。