CGAN_jittor

项目简介

这个项目使用了Jittor深度学习框架，在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional Generative Adversarial Nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。本代码生成的数字为28135202806315，也可根据需求将CGAN.py中的number变量替换为欲生成的数字。

模型架构

生成器

• 输入：噪声向量(100维) + 数字标签(0-9)

• 4层全连接网络(128→256→512→1024)

• 输出：32×32灰度图像

判别器

• 输入：图像 + 数字标签

• 3层全连接网络(512→512→512)

• 输出：真/假判断

运行方式

1. 克隆仓库: git clone https://gitlink.org.cn/stellachua/CGAN_jittor.git

2. 安装jittor: 参考https://cg.cs.tsinghua.edu.cn/jittor/download/

3. 运行训练脚本开始训练 Conditional GAN 模型： python CGAN.py

   • 在训练过程中，每隔一定步数会采样并保存生成的图像，保存在当前目录

4. 训练完成后，模型将加载最后保存的参数，并根据代码中指定的数字序列生成最终图像保存在为 “result.png”