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），实现能够生成特定数字类别的手写数字图像的深度学习模型。

简述

本项目实现了一个使用 jittor 框架构建的条件生成对抗网络，能够根据输入的数字类别（0-9）生成相应风格的手写数字图像。不同于传统 GAN，CGAN 在生成过程中引入了标签作为条件，使生成器具备“控制生成图像类别”的能力。

使用技术

按照热身赛要求，使用 jittor 框架实现CGAN。

使用均方误差 MSE Loss 替代标准 GAN 的对数损失，提高训练稳定性。

待完善功能：

• 支持多种数据集
• 可视化训练过程的 loss 曲线与生成图像；

安装方法

项目克隆

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

环境配置

jittor的安装配置详见https://cg.cs.tsinghua.edu.cn/jittor/download/

使用方法

可通过命令：

python CGAN.py

训练模型

训练过程中显示Epoch、Batch、D loss、G loss。正在运行的项目示例：

每迭代若干轮会随机采样生成一批数字图片。例如： 训练结束后将保存判别器模型 discriminator_last.pkl 与生成器模型 generator_last.pkl ，以及 CGAN.py 中的 number 对应的手写数字图片 result.png

本项目提供了训练好的判别器、生成器和result.png示例，见https://cloud.tsinghua.edu.cn/d/72ecbfb486584f0bb604/

友情链接

本项目使用了计图挑战赛提供的代码框架

许可协议

本项目采用 MIT License 开源协议。