Conditional GAN with Jittor (CGAN)

这是一个基于 Jittor 框架实现的条件生成对抗网络（Conditional GAN, CGAN）。该项目使用 MNIST 数据集，通过条件标签生成对应类别的手写数字图像。

---

简述

本项目实现了一个条件生成对抗网络（CGAN），其主要功能是根据输入的随机噪声和类别标签生成对应类别的图像。CGAN 是生成对抗网络（GAN）的扩展版本，允许通过条件信息（如类别标签）控制生成的内容。

项目特点

• 使用 Jittor 框架实现，充分利用 GPU 加速。
• 支持 MNIST 数据集的加载和预处理。
• 实现了生成器和判别器的完整训练流程。
• 支持保存和加载模型权重。
• 提供生成指定类别图像的功能。

---

目录

• Conditional GAN with Jittor (CGAN)
  • 简述
    • 项目特点
  • 目录
  • 安装
  • 使用方法
    • 训练模型
    • 生成图像
  • 项目结构
  • 友情链接
  • 许可

---

安装

1. 克隆本项目： ```bash git clone git@code.gitlink.org.cn:zhongjx/CGAN_jittor.git cd CGAN_jittor
2. 创建并激活 Conda 环境： ```bash conda create -n jittor python=3.13 -y conda activate jittor
3. 安装依赖： ```bash pip install jittor pip install numpy pillow
4. 测试 Jittor 是否正常工作： ```bash python -m jittor.test.test_example

使用方法

训练模型

运行以下命令开始训练模型：

python CGAN.py

训练过程中，模型会每 10 个 epoch 保存一次权重文件（generator_last.pkl 和 discriminator_last.pkl）。

生成图像

代码中默认生成数字序列 28113962804194 对应的图像，并将结果保存为 result.png。

项目结构

CGAN_jittor/
├── CGAN.py          # 主程序，包含模型定义和训练逻辑
├── README.md        # 项目说明文件
├── result.png       # 示例生成的图像
└── .gitignore       # git ignore

友情链接

• Jittor 官方文档
• MNIST 数据集

  许可

  本项目源代码由清华大学计算机图形学基础课程组出于教学目的提供，由本人修改后实现功能。与原作者保持一致的许可。