CGAN_jittor

这是一个基于 Jittor 框架实现的生成对抗网络（GAN）。本项目旨在展示如何使用 Jittor 实现和训练生成对抗网络，生成逼真的图片。

Dataset

The MNIST dataset consists of 60,000 grayscale images of handwritten digits from 0 to 9. Each image is a 28x28 pixel and has a corresponding label indicating the digit it represents. The dataset is divided into a training set of 50,000 images and a test set of 10,000 images.

本项目使用MNIST手写数据集生成手写数据图像，如，我的学号是2213925，我将生成这组数字：

1733032639604

链接：https://pan.quark.cn/s/09ff8fd6750e

Training

由生成器（Generator）和判别器（Discriminator）两部分组成。

1733033006945

分为两个部分进行训练。 Discriminator：

1733033023121

分为两个部分进行训练。 Generator：

1733033036043

在GAN的基础上加上了对输出的控制。

1733033050031

Discriminator：

1733033065395

Generator：

1733033079229

简介

Jittor 是一个高效的深度学习框架，旨在提升模型的训练速度并提供高度的灵活性。本项目基于 Jittor 实现了生成对抗网络（GAN），通过训练生成器和判别器网络，生成高质量的图像。

该项目的目标是提供一个易于使用的 GAN 实现，适合那些想要学习和使用 Jittor 框架进行深度学习实验的开发者和研究者。

功能

使用 Jittor 框架实现 GAN 网络。
训练并生成逼真的图像。
提供清晰的训练日志和损失函数（D loss 和 G loss）的可视化。
支持可调参数（例如学习率、批量大小、训练周期等）。
可以在不同的硬件环境中（如 CPU 和 GPU）运行。

安装

克隆本仓库：

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

进入项目目录：
```
cd CGAN_jittor
```
安装 Jittor 和依赖项：由于本项目依赖 Jittor，你可以通过以下命令安装 Jittor：
```
pip install jittor
```
安装其他必要的 Python 库：
```
pip install -r requirements.txt
```
（可选）如果你需要使用 GPU 进行加速，请确保你已安装并配置好 CUDA 和 cuDNN。

使用方法

训练 GAN 网络

配置参数：你可以编辑代码中的参数，或者使用命令行参数进行配置。以下是一些常用参数：

--n_epochs 100          # 训练周期
--batch_size 64         # 批量大小
--lr 0.0002             # 学习率
--latent_dim 100        # 潜在空间的维度
--n_classes 10          # 类别数量（对于 MNIST 数据集）
--img_size 32           # 图像尺寸

开始训练：
```
python CGAN.py
```
训练过程中，模型将会生成图像并打印损失函数的值。

生成图像

训练结束后，你可以通过以下命令生成图像：
```
python CGAN.py
```
输入自定义的数字序列并生成图像：

生成的图像将保存为 result.png。

1733033263624

贡献

如果你想为这个项目做出贡献，请按照以下步骤操作：

Fork 这个仓库。

Clone 你的仓库到本地：

git clone https://github.com/你的用户名/jittor-gan.git

创建新的分支：
```
git checkout -b feature-branch
```

做出更改并提交：

git add .
git commit -m "添加新功能"

推送到远程仓库：
```
git push origin feature-branch
```
创建一个 Pull Request。

许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

Thanks

Jittor/JGAN: JGAN model zoo supports 27 kinds of mainstream GAN models with high speed for jittor. (github.com)

freeCodeCamp 的指南。