第三届计图人工智能挑战赛—计图挑战热身赛

---

基于条件生成对抗网络（CGAN）的深度学习模型，生成指定数字的手写数字图像。

动机

我们创建这个项目的动机是为了探索条件生成对抗网络（CGAN）的潜力，并通过实践加深对深度学习模型的理解。

项目目标

本项目旨在实现一个基于CGAN的深度学习模型，能够生成特定数字类别的手写数字图像。通过该项目，我们希望解实验并学习如何高效生成高质量、特定类别图像的问题。

学到的经验

在项目开发过程中，我们学到了以下几点：

• 深入理解了CGAN的工作原理及其在图像生成中的应用。
• 掌握了数据预处理、模型训练和超参数调优的技巧。
• 提升了团队协作能力和解决实际问题的能力。

特性

• 支持指定数字的生成。
• 提供详细的训练图片日志。
• 可修改机器学习模型框架。

安装指南

1. 克隆项目仓库：

   git clone https://gitlink.org.cn/lqr23/CGAN_jittor.git

2. 环境配置：
   • 需要安装配置 jittor，详情参考https://cg.cs.tsinghua.edu.cn/jittor/download/
3. 运行训练脚本：

   python CGAN.py

使用方法

1. 在CGAN.py中找到

   number = "28164492809236"

   修改数字并生成特定的手写数字图片
2. 运行训练脚本：

   python CGAN.py

3. 生成的图像将保存在result.png。

其他

本项目使用了 JITTOR 提供的代码框架。

许可证

本项目采用 MIT License 开源协议。