CGAN (Conditional Generative Adversarial Network) 实现

这是一个基于Jittor框架实现的Conditional GAN (CGAN)项目，用于生成手写数字图像。CGAN通过引入条件信息（如类别标签）来控制生成器的输出。

功能概述

模型架构

**生成器(Generator)**：接收随机噪声向量 z 和类别标签 y，生成指定类别的数字图像。

**判别器(Discriminator)**：判断输入图像是真实数据还是生成数据，并结合类别标签进行条件判别。

训练过程

• 使用 MNIST 手写数字数据集 进行对抗训练。
• 采用 平方误差损失函数 替代传统对数损失（公式见实验说明）。
• 每训练若干批次后，保存生成的中间结果图片。

生成功能

• 支持生成 指定数字序列 的图像（如 [3, 7, 0, 9]）。
• 最终生成结果保存为 result.png。

使用说明

环境要求

• Python 3.6+
• Jittor 框架
• NumPy
• Pillow (PIL)

安装依赖

pip install jittor numpy pillow

模型训练

python CGAN.py

程序会定期输出训练进度和损失值，格式如下：

[Epoch x/y] [Batch x/y] [D loss: z] [G loss: z]

同时会在本目录下保存生成的样本图片。

注意事项

• 首次运行会自动下载 MNIST 数据集。

• 训练过程中每 100 批次保存一次模型检查点。

• 生成的图像默认保存在当前目录下（result.png）。

• 如需启用 GPU 加速，请确保已安装 CUDA 版本的 Jittor。