ADD file via upload
[主要结果]
本项目基于Jittor框架构建条件生成对抗网络（cGAN）模型，并使用数字图片数据集 MNIST对该模型进行训练，使得该模型能够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。本项目的特点是：采用了类别标签映射与条件生成对抗的方法对图像类别进行了控制，并取得了可控且质量较高的手写数字图像生成效果。
CPU和GPU安装版本均可使用。本项目使用一张A10显卡。
本项目使用
使用pip安装python相关依赖
pip install -r requirements.txt
本项目使用Jittor自带的MNIST数据集接口，可直接自动调用无需手动下载，首次运行该接口时会自动下载该数据集并进行预处理操作。预处理过后的图像会被灰度化并归一化到[-1，1]区间。
训练指令：python CGAN.py
python CGAN.py
在模型训练过程中，每隔一段时间会自动保存一次模型生成的图像，同时保存最新模型的参数至生成器（generator_last.pkl）和判别器（discriminator_last.pkl）的权重中，在该模型训练结束后，会自动加载最后一次保存的生成器和判别器的权重，并根据所输入的用户随机ID序列生成对应的手写数字图像。
Jittor挑战赛热身赛-生成手写数字baseline（CGAN）
[主要结果]
简介
本项目基于Jittor框架构建条件生成对抗网络（cGAN）模型，并使用数字图片数据集 MNIST对该模型进行训练，使得该模型能够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。本项目的特点是：采用了类别标签映射与条件生成对抗的方法对图像类别进行了控制，并取得了可控且质量较高的手写数字图像生成效果。
安装
硬件需求
CPU和GPU安装版本均可使用。本项目使用一张A10显卡。
运行环境
本项目使用
安装依赖
使用pip安装python相关依赖
数据预处理
本项目使用Jittor自带的MNIST数据集接口，可直接自动调用无需手动下载，首次运行该接口时会自动下载该数据集并进行预处理操作。预处理过后的图像会被灰度化并归一化到[-1，1]区间。
模型训练和推理
训练指令：
python CGAN.py在模型训练过程中，每隔一段时间会自动保存一次模型生成的图像，同时保存最新模型的参数至生成器（generator_last.pkl）和判别器（discriminator_last.pkl）的权重中，在该模型训练结束后，会自动加载最后一次保存的生成器和判别器的权重，并根据所输入的用户随机ID序列生成对应的手写数字图像。
致谢