Jittor CGAN

项目简介

使用jittor提供的框架，实现CGAN模型，并进行训练。最后用我的手机号作为输入标签进行测试。

CGAN原理

CGAN是GAN的扩展。GAN对于要生成的图片缺少控制，而CGAN在生成器和判别器的输入中添加了额外信息，从而可以对生成的图片进行控制。

设置损失函数为：

$L_D=\frac{1}{2}((D(G(z,y_2),y_2{)}^2)+(1-D(x,y_1{)}^2))L\_D=\backslash frac\{1\}\{2\}((D(G(z,y\_2),y\_2)^2)+(1-D(x,y\_1)^2))$

$L_G=(1-D(G(z,y_2),y_2){)}^{2}L\_G=(1-D(G(z,y\_2),y\_2))^2$

其中G是生成器，D是判别器，x是真实图像，y是限定条件，z是给G输入的随机向量。

通过对生成器和判别器的联合训练，生成器的生成能力和判别器的判别能力均越来越强。

使用方法

下载jittor相关库后，确定参数合适，运行CGAN.py。

训练结果

对模型进行训练后，输入限定条件为我的手机号，模型可以输出比较清晰的手机号码图片。