jittor-CGAN

简介

本项目基于Jittor框架实现了Conditional GAN（条件生成对抗网络），能够根据输入的数字标签生成对应的手写数字图像。项目特点：

• 使用Jittor高效计算框架
• 实现了完整的CGAN训练流程
• 支持自定义生成特定数字序列
• 训练速度快，CPU也可运行

安装

运行环境

• Python >= 3.6
• Jittor >= 1.3.0
• CUDA >= 10.2 (GPU版本)

安装方法

# 安装Jittor
pip install jittor

# 克隆本项目
git clone https://gitlink.org.cn/xuduyidong/CGAN.git
cd graphics

快速开始

训练模型

python CGAN.py --n_epochs 100 --batch_size 64 --lr 0.0002

生成数字

修改代码中number = "28269342819688"为您想生成的数字序列，然后运行：

python CGAN.py

生成的图片将保存为result.png，生成图片示例如下：

预训练模型

预训练模型已包含在项目中：

• generator_last.pkl - 生成器模型
• discriminator_last.pkl - 判别器模型

参数配置

可通过命令行参数调整模型：

--n_epochs      训练轮数（默认100）
--batch_size    批大小（默认64） 
--lr            学习率（默认0.0002）
--latent_dim    噪声维度（默认100）
--img_size      图像尺寸（默认32）

致谢

• 感谢Jittor团队提供的深度学习框架
• 项目参考了CGAN原始论文《Conditional Generative Adversarial Nets》

注意事项

1. 首次运行会自动下载MNIST数据集
2. 生成图片前请确保已加载预训练模型
3. 项目描述中需包含”jittor”关键字