Conditional GAN on MNIST - Jittor Implementation

欢迎来到这个基于 Jittor 框架实现的条件生成对抗网络（Conditional GAN）项目！

本项目实现了一个用于生成 MNIST 手写数字图像的条件生成对抗网络。用户可以根据输入的类别标签生成对应类别的图像。该项目主要用于学习和实验深度生成模型，尤其是条件 GAN 的结构与训练方式。

📌 简述

这个项目是我学习 Jittor 框架以及 GAN 网络时的一个练习作品。该项目使用 Jittor 实现了条件 GAN 的完整训练流程：

支持标签条件的图像生成
使用 MSELoss 进行对抗损失计算
训练过程中定期保存生成图片
支持模型保存与加载

本项目的主要特点：

使用 Jittor 框架实现，代码简洁易懂
支持条件生成（用户可指定数字标签）
提供训练脚本与图像采样示例
最终可用于生成任意数字序列对应的图像，如学号等

📂 项目目录结构

├── CGAN.py              # 主程序代码
├── result.png           # 最终输出图像（以学号示例）

🚀 安装指南

环境依赖

请先确保已安装 Jittor（推荐使用 GPU 版本以加快训练速度）：

conda create -n jt python=3.9
conda activate jt
conda install -c conda-forge gcc_linux-64==11.2.0
conda install -c conda-forge gxx_impl_linux-64==11.2.0
conda install -c conda-forge libstdcxx-ng=12
python3 -m pip install scipy trimesh matplotlib
python3 -m pip install jittor

🧪 如何使用

训练模型

在命令行运行以下命令即可启动训练：

python CGAN.py

训练过程中每隔一定 step 会生成样例图片，并保存到本地。

加载模型并生成图像

您可以用指定数字序列作为标签，生成对应的图像序列：

number = "28306622823407"

运行主程序结尾部分，会自动加载最后保存的模型，并将生成图像保存为 result.png。如图：

🔗 相关链接

❤️ 致谢

感谢 Jittor 提供的易用深度学习框架。本项目也参考了多个开源项目和教程，在此一并致谢。