CGAN_jittor

使用 Jittor 在 MNIST 数据集上实现 Conditional GAN（CGAN），支持“指定类别 → 生成对应数字图像”。仓库内包含两份实现：

Code/CGAN.py：全连接版 CGAN（MLP Generator + MLP Discriminator）
Code/CDGAN.py：卷积/反卷积版 CGAN（DCGAN 的条件化版本）

本项目开源在:https://gitlink.org.cn/Chuilong/CGAN_jittor.git。

效果示例

result.png 为仓库内的示例输出（也可以运行脚本生成你自己的结果）：

result

环境依赖

使用cuda12.2-cudnn8-devel-ubuntu22.04-py310环境，GPU为Tesla V100-SXM2-16GB * 1，CPU使用6核 Xeon(R) Silver 4214R，显存16GB，内存62GB。

使用Python 3.7，安装以下依赖： astunparse==1.6.3 certifi @ file:///croot/certifi_1671487769961/work/certifi cycler==0.11.0 fonttools==4.38.0 jittor==1.3.10.0 kiwisolver==1.4.5 matplotlib==3.5.3 numpy==1.21.6 packaging==24.0 pandas==1.3.5 Pillow==9.5.0 pyparsing==3.1.4 python-dateutil==2.9.0.post0 pytz==2025.2 six==1.17.0 tqdm==4.67.1 typing_extensions==4.7.1

可使用下面的指令安装依赖：

pip install -r requirements.txt

快速开始

1) 训练并采样（全连接版）

python Code/CGAN.py

该脚本会：

使用 jittor.dataset.mnist.MNIST 自动下载/读取 MNIST
训练过程中按 --sample_interval 保存采样网格图
每 10 个 epoch 保存一次模型
训练结束后加载最后一次保存的模型，并按固定字符串生成一张拼接结果图

2) 训练并采样（卷积版）

python Code/CDGAN.py

参数说明

两份脚本的核心参数基本一致（以实际脚本为准）：

--n_epochs：训练轮数
--batch_size：batch 大小
--latent_dim：噪声向量维度
--n_classes：类别数（MNIST 为 10）
--img_size：输出图像尺寸（默认 32×32）
--channels：通道数（MNIST 为 1）
--sample_interval：采样间隔（按 step 计）

输出内容

`Code/CGAN.py`

日志与指标：默认写到 "/root/data-fs/1000"（见脚本内的 log_path / csv_path，你应该自己修改为你自己的目录）
训练中采样图片：/root/data-fs/1000/<batches_done>.png（你应该自己修改为你自己的目录）
模型权重：generator_last1000epoch.pkl、discriminator_last1000epoch.pkl（你应该自己修改为你自己的目录）
训练结束的指定数字拼接图：result1000epoch.png（你应该自己修改为你自己的目录）

`Code/CDGAN.py`

训练中采样图片：/root/data-fs/256v2/<batches_done>.png（你应该自己修改为你自己的目录）
模型权重：默认保存到 /root/data-fs/256v8/（你应该自己修改为你自己的目录）
训练结束的指定数字拼接图：resultcdganepoch222.png（你应该自己修改为你自己的目录）

自定义“指定数字生成”

两份脚本在训练结束后都会生成一个固定字符串对应的数字序列，直接在脚本末尾修改 number 即可，例如：

number = "2310986"

你可以通过注释训练过程的方式来直接生成指定数字的拼接图。

项目结构

.
├─ Code/
│  ├─ CGAN.py        # 全连接版 Conditional GAN
│  └─ CDGAN.py       # 卷积版 Conditional GAN
├─ result.png        # 示例输出图
├─ report.pdf        # 报告（可选参考）
└─ README.md

作者信息

这是南开大学计算机科学与技术专业计算机图形学课程的项目，由 2310986 陈兴浩独立完成。

常见问题

1) 为什么脚本会尝试写入 `/root/data-fs/...`？

两份脚本里有一些输出路径是硬编码的（训练日志、采样图片、模型保存）。如果你在本地/Windows 环境运行，请把这些路径改成你机器上可写的目录。

2) `Code/CDGAN.py` 无法运行（语法错误）

当前 Code/CDGAN.py 的 --n_epochs 参数那一行包含 // 风格注释（这在 Python 中会报错）。把 //... 改成 # ... 即可正常解析运行。

2025年12月19日