Jittor实现的CGAN (条件生成对抗网络)

本项目使用 Jittor 实现了条件生成对抗网络 (CGAN)，用于生成与给定条件标签相关的图像。

依赖

• Jittor：请参考 Jittor的安装指南 进行安装。
• Python 3.x

使用方法

1. 克隆本仓库：

   git clone https://gitlink.org.cn/shirakumo/jittor-CGAN.git

2. 进入项目目录：

   cd jittor-CGAN

3. 运行代码：

   python CGAN.py

4. 查看生成的图像： 运行代码后，生成的图像将保存在当前目录下的 result.png 文件中。

参数说明

• n_epochs：训练的轮数，默认为 100。
• batch_size：每个批次的样本数量，默认为 64。
• lr：Adam 优化器的学习率，默认为 0.0002。
• b1：Adam 优化器的一阶动量衰减率，默认为 0.5。
• b2：Adam 优化器的二阶动量衰减率，默认为 0.999。
• n_cpu：用于批次生成过程中的 CPU 线程数，默认为 8。
• latent_dim：潜空间的维度，默认为 100。
• n_classes：数据集的类别数量，默认为 10。
• img_size：图像的尺寸，默认为 32。
• channels：图像的通道数，默认为 1。
• sample_interval：生成图像的间隔，默认为 1000。

结果展示

运行代码后，生成的图像将保存在 result.png 文件中。

注意事项

• 请确保已安装 Jittor 并正确配置环境。
• 代码中的数据集使用的是 MNIST 数据集，如需使用其他数据集，请根据需要进行修改。
• 如果需要更改文件保存位置，请修改代码中的保存路径。

参考资料

• Jittor 文档：https://cg.cs.tsinghua.edu.cn/jittor/
• CGAN 论文：https://arxiv.org/abs/1411.1784