Jittor Conditional GAN (CGAN)

本项目是 Jittor 挑战赛热身项目，使用 Jittor 深度学习框架实现了 **Conditional GAN (CGAN)**，用于生成条件控制下的 手写数字图像（MNIST 数据集）。

---

项目简介

Conditional GAN 是一种条件生成对抗网络（CGAN），其在经典 GAN 的基础上引入了条件变量，如类别标签，从而可以控制生成结果的内容。

本项目使用 CGAN 架构，通过输入手写数字标签（0-9），生成对应类别的手写数字图像。

---

环境配置

1. 安装 Jittor

请根据官方教程安装 Jittor：

🔗 官方文档地址: https://cg.cs.tsinghua.edu.cn/jittor/download/

2. 创建虚拟环境并安装依赖

建议使用 conda 创建独立环境：

conda create -n cgan-jittor python=3.8 -y
conda activate cgan-jittor

然后安装依赖项：

pip install -r requirements.txt

如果你没有 requirements.txt，可以参考以下内容手动安装：

jittor
numpy
matplotlib

---

项目结构

├── CGAN.py              # 训练脚本
├── generate.py          # 推理脚本（生成数字图像）
├── utils.py             # 工具函数（可选）
├── requirements.txt     # Python依赖项
├── README.md            # 项目说明文档

---

快速开始

训练模型

执行以下命令开始训练：

python CGAN.py

训练过程中会自动下载 MNIST 数据集，并在训练结束后保存模型参数。

使用模型生成手写数字图像

使用以下命令进行推理，生成指定数字类别的图像：

python generate.py

你可以在 generate.py 中自定义需要生成的数字标签范围（如 0-9）。

---

可视化效果

训练和生成图像的可视化结果会保存在当前目录下，可以使用 matplotlib 直接查看生成图像。

---

致谢

本项目基于 Jittor 框架开发，感谢清华大学计算机图形学实验室提供的支持。