基于 Jittor 的 Conditional GAN（cGAN）数字图像生成

项目简介

本项目基于 Jittor 深度学习框架，构建了一个 条件生成对抗网络（Conditional GAN, cGAN），用于根据类别标签生成 MNIST 手写数字图像。

该项目为 第三届计图人工智能挑战赛（热身赛） 提供了解决方案，通过结合随机噪声和数字标签，训练生成器能够合成逼真的数字图片。

任务说明

本项目完成以下目标：

• 基于提供的示例代码完成 CGAN.py 中的 TODO 部分
• 构建并训练一个 cGAN 模型
• 生成比赛页面指定的数字序列图像（例如输入“0123456789”应生成对应的手写数字图像）

项目结构

.
├── CGAN.py                # 主程序：模型构建、训练与生成逻辑
├── generator_last.pkl     # 训练完成后保存的生成器模型（可选）
├── discriminator_last.pkl # 判别器模型（可选）
├── result.png             # 最终生成的数字序列图像
└── README.md              # 项目说明文档

环境要求

• Python ≥ 3.7
• Jittor
• PIL、NumPy

安装 Jittor：

sudo apt install python3.7-dev libomp-dev
python3.7 -m pip install jittor

快速开始

1. 运行训练：

python CGAN.py

训练过程中会周期性保存模型、打印训练日志，并在指定步数生成图片。

2. 生成结果图像：

程序将输出结果图像 result.png。

参考

• Jittor 官方文档：https://cg.cs.tsinghua.edu.cn/jittor
• 原始数据集：MNIST 手写数字