CGAN_jittor

简介

本实验旨在通过实现条件生成对抗网络（Conditional GAN, CGAN）来理解生成对抗网络的原理和训练方法，使用MNIST手写数据集生成手写数据图像。 来源是第三届计图人工智能挑战赛计图挑战热身赛。

安装

1. 克隆本仓库：

   git clone https://www.gitlink.org.cn/myra/cgan_jittor.git

2. 安装 Jittor 和依赖项： 由于本项目依赖 Jittor，你可以通过以下命令安装 Jittor：

   pip install jittor

3. （可选）如果你需要使用 GPU 进行加速，请确保你已安装并配置好 CUDA 和 cuDNN。

使用方法

训练 GAN 网络

1. 配置参数：你可以编辑代码中的参数，或者使用命令行参数进行配置。以下是一些常用参数：

   --n_epochs 100          # 训练周期
   --batch_size 64         # 批量大小
   --lr 0.0002             # 学习率
   --latent_dim 100        # 潜在空间的维度
   --n_classes 10          # 类别数量（对于 MNIST 数据集）
   --img_size 32           # 图像尺寸

2. 开始训练：

   python CGAN.py

   训练过程中，模型将会生成图像并打印损失函数的值。

生成图像

1. 训练结束后，你可以通过以下命令生成图像：

   python CGAN.py

2. 输入自定义的数字序列并生成图像：

   生成的图像将保存为 result.png。