jittor-CGAN

简介

本项目包含了第四届计图挑战赛计图——热身赛的代码实现。

本赛题将会提供数字图片数据集 MNIST，参赛选手需要训练一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成比赛页面指定数字序列。

运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0

训练

python code/CGAN.py

参数

• n_epochs：训练轮数，默认为100
• batch_size：批大小，默认为64
• lr：学习率，默认为0.0002
• b1：adam优化器参数，默认为0.5
• b2：adam优化器参数，默认为0.999
• n_cpu：使用CPU线程数，默认为8
• latent_dim：噪声维度，默认为100
• n_classes：类别数量，默认为10
• img_size：图片尺寸，默认为32
• channels：图片通道数，默认为1
• sample_interval：采样间隔，默认为1000

致谢

此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。