CGAN with Jittor

本项目实现了基于 Jittor 框架的条件生成对抗网络（Conditional GAN, CGAN），用于进行条件图像生成。

依赖环境

• Python 3.6+
• Jittor
• numpy
• Pillow

主要文件

• CGAN.py：主程序，包含模型定义、训练与测试流程。

运行方法

训练模型

python CGAN.py --n_epochs 100 --batch_size 64

可选参数说明（均有默认值）：

• --n_epochs：训练轮数
• --batch_size：每批样本数
• --lr：学习率
• --latent_dim：噪声向量维度
• --n_classes：类别数
• --img_size：生成图片尺寸
• --channels：图片通道数

生成图片

训练完成后，脚本会自动加载最后保存的模型，并根据指定的数字序列生成对应类别的图片，拼接保存为 result.png。

结果示例

• 训练过程中会定期保存生成图片（如 1000.png、2000.png 等）。
• 最终生成的 result.png 为指定数字序列的拼接图片。

注意事项

• 本项目默认使用 MNIST 数据集（自动下载）。
• 若使用 GPU，请确保 Jittor 已正确安装 CUDA 支持。

致谢

• Jittor
• 参考了 PyTorch 等主流框架的 CGAN 实现